MiniMax

Was ist MiniMax?

MiniMax ist ein im Jahr 2022 gegründetes Unternehmen im Bereich künstlicher Intelligenz. Der chinesische Name des Unternehmens lautet Xiyu Technology. Es handelt sich dabei nicht um einen einzelnen Chatbot, sondern um ein System, das aus mehreren multimodalen Grundmodellen, AI-Produkten für Endnutzer sowie einer offenen Plattform für Entwickler besteht.

Das offizielle Modell kann Texte, Code, Bilder, Videos, Sprache und Musik verarbeiten. Zu den wichtigsten Produkten gehören MiniMax Agent, MiniMax Code, Hai Luo Video, MiniMax Audio, Talkie sowie nationale und internationale Offenplattformen.

Die Benutzer sollten zunächst die jeweiligen Eingänge für die Produkte unterscheiden: Für alltägliche, komplexe Aufgaben wird ein Agent verwendet, für das Programmieren Code, für Videos Hai Luo und für Sprache Audio; wenn man bestimmte Funktionen in eigene Anwendungen integrieren möchte, werden die APIs der offenen Plattformen genutzt.

Die Kontoinformationen, Limits, Mitgliedschaften sowie die Preise je nach Region können unterschiedlich sein. Man sollte die Haileluo-Mitgliedschaft, Agent-Punkte und API-Token-Pläne nicht als ein und denselben Paket betrachten.

Modell- und Produktmatrix

1. MiniMax M3 und M2-Serie

Die MiniMax M3, M2.7 sowie ihre Highspeed-Versionen sind für Text-, Code- und Agentenaufgaben konzipiert und unterstützen lange Kontexte, Aufrufe von Tools sowie die Ausführung komplexer Aufgaben. Die Highspeed-Version bietet eine höhere Generierungsgeschwindigkeit, doch der Preis pro API-Aufruf ist ebenfalls höher.

M2-her legt Wert auf mehrere Rollen, langfristige Interaktionen und immersive Dialoge.

Der Name des Modells wird ständig aktualisiert, und die „automatische Auswahl“ in den Chat-Produkten garantiert nicht, dass immer eine bestimmte Version verwendet wird. Für Produktionsysteme, die eine stabile Ausgabe benötigen, sollte das Modell über die API festgelegt werden, die Version aufgezeichnet werden und Regressionstests durchgeführt werden.

2. MiniMax Agent

Der MiniMax Agent ist ein intelligenter Agent für allgemeine Aufgaben, der zunächst Planungen erstellen kann und anschließend Suchfunktionen, Browser, Code, APIs sowie MCP einsetzt, um komplexe Aufgaben zu erledigen. Zu den wichtigsten Funktionen, die in der offiziellen Benutzeranleitung aufgeführt werden, gehören tiefgehende Recherchen, die Erstellung von PPTs, das Erstellen von Full-Stack-Websites, die Analyse langer Dokumente sowie die Verarbeitung von Bildern und Audio- und Videodaten. Zudem kann er Bilder, Sprache und Video erstellen.

Der Agent unterstützt das Hochladen von PDFs, PPTX-Dateien, Bildern, Audiodateien, Videodateien sowie komprimierten Dateien. Es ist möglich, vorgefertigte MCPs zu verwenden, oder neue externe Tools mithilfe des MCP Builder zu erstellen. Nach Abschluss der Aufgabe können die Forschungsunterlagen, der Code sowie Berichte heruntergeladen werden.

Beim Erstellen einer Website können auch die Ergebnisse der Bereitstellung angegeben werden.

Der Agent kann externe Dienste und Schlüssel verwalten; die Benutzer sollten nur mit den notwendigsten Berechtigungen arbeiten, wobei Testdatenbanken sowie separate Projekte verwendet werden sollten. Auch bei automatisch erstellten Webseiten müssen Authentifizierungsmechanismen, Zahlungsmethoden, Datenbankberechtigungen, Abhängigkeitslücken, Kompatibilität mit mobilen Geräten sowie Rückführungspläne überprüft werden.

3. MiniMax Code

MiniMax Code ist das offizielle Programmier-Tool für künstliche Intelligenz, das sowohl für den Desktop als auch für Webseiten verfügbar ist. Es kann direkt mit dem Token Plan verwendet werden – es ist keine manuelle Konfiguration einer API-Key erforderlich. Entwickler können außerdem den Token Plan Key in OpenClaw, Claude Code, Cline sowie andere kompatible Tools integrieren, um Code zu verstehen, zu erstellen, zu ändern und Agent-Workflows zu steuern.

Code-Modelle können inexistierende Schnittstellen, veraltete Abhängigkeiten oder unsichere Implementierungen erzeugen. Vor dem Merge müssen die Unterschiede überprüft sowie Kompilierung, statische Prüfungen, Unit-Tests, Integrationstests und Sicherheitsscans durchgeführt werden.

4. Hailei AI-Video

Hailuo AI ist ein Video-Erstellungstool von MiniMax. Hailuo 2.3 sowie die Fast-Serie unterstützen die Erstellung von Videos aus Texten oder Bildern – in verschiedenen Auflösungen und Längen. Mit Subject Reference können Referenzbilder verwendet werden, um die Merkmale der Hauptperson beizubehalten. Video Agent wiederum kombiniert Drehbücher, Kameraeinstellungen sowie die einzelnen Erstellungsschritte zu einem vollständigen Video-Workflow.

Bei der Erstellung von Videos können weiterhin Probleme mit Gliedmaßen, Texten, physischen Bewegungen, Kamerabewegungen sowie Konsistenz der Darsteller auftreten. Bevor echte Personen, Markenzeichen, Filmfiguren oder urheberrechtlich geschützte Materialien verwendet werden, muss eine Genehmigung eingeholt werden. Für Inhalte, die der Öffentlichkeit zugänglich gemacht werden, müssen zudem die Richtlinien der Plattform bezüglich der Kennzeichnung eingehalten werden.

5. MiniMax Audio

MiniMax Audio bietet synchronen und asynchronen Text-zu-Stimme-Umwandlung, fließende Ausgabe, die Synthese sehr langer Texte, Klangfarbendesign sowie schnelle Erstellung von Stimmen. Speech HD legt den Schwerpunkt auf die Audioqualität, während Turbo Geschwindigkeit und Kosten in den Vordergrund stellt. Es kann für Hörbücher, Podcasts, Kundenservice, Spielcharaktere, Bildung und digitale Avatare verwendet werden.

Für die Nachbildung von Stimmen ist eine ausdrückliche Genehmigung des Eigentümers der Stimme erforderlich; sie darf nicht zur Täuschung, zum Betrug oder um die Authentifizierung zu umgehen, verwendet werden. Lange Texte sollten in Abschnitte unterteilt werden, um die Aussprache, Pausen, Zahlen, Eigennamen sowie mehrdeutige Wörter zu überprüfen.

6. Bilder und Musik

Die offene Plattform ermöglicht die Erstellung von Bildern aus der Image-01-Serie sowie die Erstellung von Liedern, Texten und reinen Musikstücken aus der Music-Serie. Die offizielle CLI kann ebenfalls über die Terminalanwendung zur gleichzeitigen Verarbeitung von Texten, Bildern, Videos, Sprache und Musik genutzt werden.

Der kommerzielle Einsatz der erzeugten Ergebnisse, die Ähnlichkeit zwischen Personen, Streitigkeiten bezüglich der Trainingsdaten sowie die Richtlinien der Plattform müssen vom Veröffentlichenden selbst überprüft werden.

7. Talkie

Talkie ist ein KI-basiertes Produkt für interaktiven Unterhaltungszwecke, das weltweit für Nutzer bereitgestellt wird. Es legt den Schwerpunkt auf die Gestaltung von Charakteren, langfristige Gespräche sowie eine immersive Kommunikation. Es handelt sich dabei um kein und dasselbe Produkt wie allgemeine Büroagenten oder offene Plattformen – auch die Abonnements sowie die Inhalte sind voneinander unabhängig.

Offene Plattform-API

Die in China verfügbare MiniMax-Plattform bietet Schnittstellen für Textgenerierung, Aufruf von Tools, Bildverarbeitung, Sprachsynthese, Gestaltung und Nachahmung von Klangfarben, Video-, Bild-, Musik- sowie Dateimanagement. API-Schlüssel mit Pay-per-Use-Modell ermöglichen den Zugriff auf die verschiedenen Modellarten.

Der Token-Plan verwendet separate Schlüssel und Abonnementlimits; diese beiden Arten von Schlüsseln sowie die verfügbaren Beträge dürfen nicht direkt miteinander kombiniert werden.

Offiziell werden gleichzeitig Zugangsmethoden, die mit den gängigen Schnittstellentypen kompatibel sind, fließende Antworten, Cache-Berechnung sowie Tools zur Aufrufung bereitgestellt. Entwickler sollten Timeout-Werte, Wiederholungsversuche, Idempotenz, Konkurrenzbeschränkungen, Inhaltssicherheit sowie Kostenwarnungen einrichten und Schlüssel weder in die Frontend-Software noch in öffentliche Repositorien schreiben.

Inländische Token-Plan-Preise

Der Token-Plan richtet sich an einzelne Entwickler sowie für Coding-Aufgaben und alltägliche, häufig wiederkehrende Aufgaben. Die Verbrauchsgrenzen werden in 5-Stunden-Blöcken sowie mit einer wöchentlichen Obergrenze festgelegt. Im Folgenden finden Sie die offiziellen Preise aus den Inlandsdokumenten für das Jahr 2026:

Die in der Dokumentation angegebenen 100 Lieder pro Tag unterliegen der Bedingung, dass sie kostenlos zur Verfügung stehen – dies sollte jedoch nicht als dauerhafte Zusage angesehen werden. Die Anzahl der Videos, Bilder und Audiodateien wird täglich aktualisiert. Zudem sind die Anfragen durch ein Zeitfenster von 5 Stunden sowie eine wöchentliche Obergrenze begrenzt.

Eine „eine Anfrage“ kann ebenfalls durch die Länge des Tokens eingeschränkt sein und ist nicht mit einer festen Zeichenzahl gleichzusetzen.

Inländische API-Preise nach Verbrauch

Pay-as-you-go eignet sich für Unternehmenssysteme und unregelmäßige Nutzungsmengen. Die aktuellen Grundpreise sind wie folgt:

• MiniMax-M2.7：Eingabe: 2,1 Yuan pro Million Tokens, Ausgabe: 8,4 Yuan pro Million Tokens, Lesevorgang aus dem Cache: 0,42 Yuan pro Million Tokens, Schreibvorgang in den Cache: 2,625 Yuan pro Million Tokens;
• M2.7-highspeed：Eingabe: 4,2 Yuan pro Million Tokens, Ausgabe: 16,8 Yuan pro Million Tokens, Cache-Lesung: 0,42 Yuan pro Million Tokens;
• Speech 2.8 HD：3,5 Yuan pro 10.000 Zeichen; bei Turbo 2 Yuan pro 10.000 Zeichen;
• Klangdesign und schnelle Nachahmung:9,9 Yuan pro Klangfarbe, in der Regel bei erster Verwendung in der Synthese berechnet;
• image-01：0,025 Yuan pro Stück;
• Hailuo 2.3：768P: 2 Yuan für 6 Sekunden, 4 Yuan für 10 Sekunden; 1080P: 3,5 Yuan für 6 Sekunden. Die Fast-Version kostet mindestens 1,35 Yuan pro Video.
• Music：Verschiedene Versionen kosten etwa 0,25 bis 1 Yuan pro Stück, einige Modelle sind kostenlos.

Chinesische Zeichen stehen nicht in einer eins-zu-eins-Beziehung zu Tokens; offiziellen Schätzungen zufolge benötigen etwa 1600 chinesische Zeichen 1000 Tokens. Bei der Gebührenberechnung nach Sprachverbrauch zählen jeweils 2 Zeichen für ein chinesisches Schriftzeichen, während Buchstaben, Satzzeichen, Leerzeichen und Zeilenumbrüche als 1 Zeichen gelten.

Die Gebührenregeln für fehlgeschlagene Aufgaben, Sicherheitsüberprüfungen, Caching sowie Wiederholungsversuche richten sich nach der Rechnung in der Konsole.

Preisdifferenzen auf internationalen Plattformen

Die internationale Plattform wird in US-Dollar bewertet; Modelle und Pakete können früher oder später als auf der chinesischen Plattform aktualisiert werden. Auf der internationalen Seite werden beispielsweise die Preise pro Million Tokens, pro Video sowie pro Zehntausend Zeichen in US-Dollar angegeben.

Chinesische Entwickler sollten die Plattform je nach Unternehmensart, Datenregion, Zahlungsmethode und Zielgruppe auswählen und internationale Preise nicht direkt in inländische Vertragspreise umrechnen.

GitHub und der Open-Source-Zustand

MiniMax verfügt über eine offizielle GitHub-Organisation, die über die offizielle Website erreichbar ist. Dort werden die Modellgewichte, die CLI, MCP-Server, Beispiele für Agenten sowie Forschungsprojekte bereitgestellt. Die offizielle CLI ist unter der MIT-Lizenz veröffentlicht und ermöglicht die Verarbeitung von Texten, Bildern, Videos, Sprache und Musik.

MiniMax-MCP ist ebenfalls unter der MIT-Lizenz verfügbar.

Die Lizenzbedingungen für die Modelle müssen einzeln überprüft werden: MiniMax-M1 verwendet Apache 2.0, der MiniMax-M2-Repository ist unter MIT lizenziert; obwohl bei M2.7 die Gewichte und der Code öffentlich zugänglich sind, erlaubt die aktuelle Lizenz nur private, Forschungs- und nicht-kommerzielle Nutzung. Für kommerzielle Nutzung ist eine schriftliche Genehmigung von MiniMax erforderlich, außerdem müssen die Bestimmungen zur Kennzeichnung sowie zu den verbotenen Nutzungen eingehalten werden.

Offene Gewichte bedeuten nicht, dass Agent, Conch, Audio, Talkie sowie der Backend der offenen Plattform vollständig open source sind.

MiniMax-Anleitung

Eine grundlegende Aufgabe erledigen

1. Bestimmen Sie das Publikum, die Plattform, das Format, die Dauer sowie die Informationen, die übermittelt werden müssen;
2. In MiniMax werden Skripte, Aufnahmen oder verwendbare Referenzmaterialien vorbereitet;
3. Wählen Sie das Modell und die Produktmatrix aus und erstellen Sie eine kostengünstige Vorschau;
4. Verwenden Sie die Kernfunktionen, um Bild, Rhythmus, Untertitel und Ton anzupassen;
5. Jedes Frame wird auf Personen, Texte, Logos, Mundbewegungen und die Richtigkeit der Fakten überprüft;
6. Nach der Bestätigung der Lizenzen für Musik, Porträts und Materialien wird die Datei in der gewünschten Formatierung exportiert;

Erstellung wiederverwendbarer professioneller Workflows

1. Erstellung von Skripten, Drehbüchern, Markenmaterialien und einer Liste der zu verbietenden Elemente;
2. Einstellen von einheitlichen Parametern für die Modell- und Produktmatrix sowie für Kernfunktionen und Ausgaben;
3. Zuerst werden das Modell und die Obergrenze mit repräsentativen Aufnahmen getestet;
4. Fehlerhafte Aufnahmen in eine manuelle Bearbeitung überführen oder neu erstellen;
5. Einheitliche Untertitel, Lautstärke, Farben und Abspann-Copyright-Informationen;
6. Erst nach Erfassung der Version und des Prüfers in Batch veröffentlichen;

Datensicherheit und Nutzungseinschränkungen

• Um Cloud-Dienste zu nutzen, müssen Hinweise, Dateien oder Medien hochgeladen werden. Unternehmen sollten die Datenschutzrichtlinien, die Vorschriften zur Datenspeicherung, die Mechanismen zur Beendigung des Trainings sowie die Unterauftragsverarbeiter im jeweiligen Land prüfen.
• Quellcode, Kundendaten sowie unveröffentlichte Materialien und Tonbeispiele sollten zunächst kategorisiert und entpersonalisiert werden;
• Die Ausgaben von KI können Faktischfehler, erfundene Zitate, fehlerhafte Codes sowie unangemessene Inhalte enthalten;
• Für eine gründliche Untersuchung muss die Überprüfung der Quellen herangezogen werden;
• Finanz-, Medizin-, Rechts- und Strategieempfehlungen können nicht direkt zur Entscheidungsfindung herangezogen werden;
• Zur Erstellung von Audio- und Videoinhalten müssen Porträts, Stimmen, Urheberrechte sowie Kennzeichnungen für synthetische Inhalte berücksichtigt werden.

Für welche Nutzer geeignet?

• Persönliche Nutzer, die chinesischsprachige Mehrmodale Fragen-und-Antwort-Funktionen sowie Forschungs- und Dokumentenverarbeitung benötigen;
• Wissensarbeiter, die möchten, dass Agenten PPTs, Webseiten und Forschungsberichte erstellen;
• Entwickler, die Code-Agenten und sehr lange Kontexte verwenden;
• Kreative, die Kurzvideos, Synchronisationen, Hörbücher, Musik sowie Charakterinhalte erstellen;
• Unternehmen, die eine einheitliche API für Text, Sprache, Video, Bilder und Musik benötigen;
• Technische Teams, die das Open-Weight-Modell zum Forschen oder für nicht-kommerzielle Zwecke herunterladen möchten.

Häufige Fragen

Ist MiniMax kostenlos?

Einige Produkte für Endbenutzer bieten eine kostenlose Testversion an, und offene Plattformen können ebenfalls einen Probemonat gewähren; häufiges Nutzen, Mitgliedschaften, Token-Pläne sowie API-Aufrufe nach Verbrauch sind kostenpflichtig.

Was ist der Zusammenhang zwischen MiniMax und Conch AI?

Hailuo AI ist ein Video-Generierungsprodukt von MiniMax, das das Hailuo-Videosystem verwendet; MiniMax umfasst außerdem Agent, Code, Audio, Talkie sowie eine offene Plattform.

Wie viel kostet der Token Plan?

Die nationale Standardversion Starter kostet 29 Yuan pro Monat, Plus 49 Yuan pro Monat und Max 119 Yuan pro Monat; die High-Speed-Version beginnt bei 98 Yuan pro Monat.

Die Obergrenze ist auf 5 Stunden und pro Woche begrenzt.

Bietet MiniMax eine API?

Es werden Funktionen für Texte, Code, Sprache, Video, Bilder, Musik und Dateien bereitgestellt; es ist möglich, entweder nach Verbrauch zu zahlen oder einen Token-Plan zu nutzen.

Ist MiniMax Open Source?

Einige Modelle und Tools sind open source oder haben offene Gewichte, doch nicht alle vollständigen kommerziellen Produkte sind open source. Die Lizenzen für die verschiedenen Modelle unterscheiden sich stark; insbesondere erfordert die kommerzielle Nutzung von M2.7 eine zusätzliche Genehmigung.

Kann es in privater Weise eingesetzt werden?

Das Open-Weight-Modell kann im Rahmen der vom Lizenzvertrag erlaubten Bedingungen selbst implementiert werden; für eine Unternehmensweite, proprietäre Implementierung sowie die Integration in Cloud-Dienste ist Kontakt mit den offiziellen Vertretern erforderlich.

Bei der Bereitstellung werden nicht automatisch alle Funktionen der SeaShell-, Audio- oder Agent-Plattform verfügbar.