MiniMax M3 vs MiniMax M2.7

MiniMax M3 vs MiniMax M2.7 auf einen Blick

MiniMax M3 und MiniMax M2.7 sind beide Modelle von MiniMax in der Kategorie Textgenerierung und über die EmpirioLabs API verfügbar.

Wichtigste Unterschiede

• MiniMax M3 ist die neuere Veröffentlichung (1. Juni 2026); MiniMax M2.7 erschien am 18. März 2026.
• MiniMax M3 hat das größere Kontextfenster: 1M Token gegenüber 200K bei MiniMax M2.7.
• MiniMax M3 liefert bis zu 524.288 Ausgabe-Token pro Antwort, MiniMax M2.7 bis zu 131.072.
• Eingabetypen, die nur MiniMax M3 akzeptiert: Bild, Video.
• Nur für MiniMax M3 angegebene Fähigkeiten: vision, video, web search, long context.

MiniMax M3 vs MiniMax M2.7: Spezifikationen

MiniMax M3 vs MiniMax M2.7: API-Preise

Live-Preise aus dem EmpirioLabs-Katalog für beide Modelle. Jede Preistabelle entspricht immer dem, was die API berechnet.

MiniMax M3 vs MiniMax M2.7: API-Parameter

Anfrageparameter, die jedes Modell auf EmpirioLabs angibt, mit den zulässigen Werten oder dem Bereich, wo einer gilt. Ein Strich markiert einen Parameter, den das Modell nicht angibt.

MiniMax M3 vs MiniMax M2.7: Limits und Hinweise

MiniMax M3

Text-, Bild- und Videoeingaben mit Textausgabe. Das Denken ist standardmäßig adaptiv und kann deaktiviert werden. Die Preisgestaltung basiert auf Eingabetokens einschließlich Cache-Hits: <=512K verwendet die reduzierte Standard-Stufe, während >512K die Hochkontext-Stufe verwendet. Unterstützt bis zu 1 Millionen Eingabe-Tokens. Setze tool_web_search auf true, damit das Modell im Web suchen kann; jede ausgeführte Suche wird berechnet, und eine Anfrage kann mehrere Suchanfragen ausführen. Antworten, die Websuche verwenden, enden mit einer Quellenliste, sofern disable_formatting nicht wahr ist. Strukturierte Ausgaben über response_format werden nicht unterstützt; frage stattdessen im Prompt nach JSON.

MiniMax M2.7

Unterstützt Interleaved Thinking, Funktionsaufrufe und implizite Prompt-Cache-Reads. Das Denken ist immer aktiviert und wird als Ausgabetoken abgerechnet.

So rufst du MiniMax M3 und MiniMax M2.7 auf

MiniMax M3 bedient die OpenAI-kompatible Chat Completions API. Richte ein beliebiges OpenAI SDK mit deinem EmpirioLabs API-Schlüssel auf https://api.empiriolabs.ai/v1 und verwende die Modell-ID minimax-m3. Beide Modelle werden über denselben Endpunkt aufgerufen. Setze model auf minimax-m3 oder minimax-m2-7. Hol dir einen API-Schlüssel im EmpirioLabs Dashboard.

curl https://api.empiriolabs.ai/v1/chat/completions \
  -H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax-m3",
    "messages": [
      {"role": "user", "content": "Write a haiku about the ocean."}
    ]
  }'

MiniMax M3 vs MiniMax M2.7: häufige Fragen

Was ist der Unterschied zwischen MiniMax M3 und MiniMax M2.7?

MiniMax M3 ist die neuere Veröffentlichung (1. Juni 2026); MiniMax M2.7 erschien am 18. März 2026. MiniMax M3 hat das größere Kontextfenster: 1M Token gegenüber 200K bei MiniMax M2.7. MiniMax M3 liefert bis zu 524.288 Ausgabe-Token pro Antwort, MiniMax M2.7 bis zu 131.072. Die Spezifikationen, Preistabellen und Parameter auf dieser Seite stammen aus dem Live-Katalog von EmpirioLabs.

Welches Modell ist neuer, MiniMax M3 oder MiniMax M2.7?

MiniMax M3 ist die neuere Veröffentlichung (1. Juni 2026); MiniMax M2.7 erschien am 18. März 2026.

Welches Modell hat den niedrigeren Preis, MiniMax M3 oder MiniMax M2.7?

Die beiden Modelle werden nach unterschiedlichen Einheiten oder Stufen abgerechnet. Vergleiche daher die Live-Preistabellen auf dieser Seite. Sie entsprechen immer dem, was die API berechnet.

Kann ich zwischen MiniMax M3 und MiniMax M2.7 wechseln, ohne meine Integration umzubauen?

Ja. Beide Modelle nutzen POST /v1/chat/completions mit demselben EmpirioLabs API-Schlüssel, die meisten Integrationen wechseln also durch Ändern des model Werts. Prüfe zuerst die Parametertabelle auf dieser Seite, wenn du dich auf einen modellspezifischen Parameter verlässt.

Kann ich MiniMax M3 und MiniMax M2.7 im Browser testen, bevor ich integriere?

Ja. Öffne jedes Modell im EmpirioLabs Playground und führe denselben Prompt auf beiden aus, mit den Parametern, die die API bereitstellt.