MiniMax-M2.5
MiniMax- Input / 1 Mio.
- $0,30
- Output / 1 Mio.
- $1,20
- Kontextfenster
- 204,8k Tokens
- Veröffentlichung
- Februar 2026
Reasoning
AA Intelligence Index
50Punkte
Median aller Modelle: 52
API-Preis In / Out
$0,30 / $1,20
je 1 Mio. Tokens, Cache: $0,06
Kontextfenster
204,8kTokens
Maximaler Output: 131.072 Tokens
MiniMax M2.7 im Überblick
MiniMax M2.7 ist eine durch Post-Training verbesserte Version von MiniMax-M2.5. MiniMax gibt an, dass das Modell sich selbst durch rekursive Selbstoptimierung in über 100+ Iterationszyklen verbessert hat. So erziele M2.7 eine ca. 30%ige Steigerung in internen Evaluierungen. MiniMax M2.5 gilt als beliebtes Open-Weights Modell, das vor allem in agentischen Tools wie Open Clawd zum Einsatz kommt. Es ist davon auszugehen, dass M2.5 nun von der neuen M2.7 Version abgelöst wird. Mit 10B aktiven Parametern in einer 230B MoE-Architektur ist MiniMax-M2.7 ein sehr effizientes und kostengünstiges Modell.
Was du abwägen solltest
- Hohe Hardware-Anforderungen für lokales Deployment. Auch wenn MiniMax-M2.7 das kleinste Frontier-Modell ist, werden für das lokale Betreiben des 230B-Parameter-Modells mehrere High-End-GPUs benötigt.
- Kein natives multimodales Input. M2.7 unterstützt nativ nur Text-Input. Die Verarbeitung von Bildern und anderen Modalitäten erfordert die separate MiniMax VL-01 API.
- Politischer Bias. Wie bei anderen Modellen chinesischer LLM-Entwickler muss davon ausgegangen werden, dass politische Einflüsse in die Antworten mit einfließen.
MiniMax M2.7 Benchmarks
50Punkte
Der Artificial Analysis Intelligence Index ist ein Meta-Benchmark, der keine eigenen Fragen enthält, sondern die Ergebnisse von zehn unabhängigen Benchmarks aggregiert: GDPval-AA (220 Aufgaben), tau2-Bench Telecom (114 Aufgaben), Terminal-Bench Hard (44 Aufgaben), SciCode (338 Teilprobleme), AA-LCR (100 Fragen), AA-Omniscience (6.000 Fragen), IFBench (294 Aufgaben), Humanity's Last Exam (2.158 Fragen), GPQA Diamond (198 Fragen) und CritPt (70 Aufgaben).
Mehr zum BenchmarkArtificial Analysis Intelligence IndexMedian aller Modelle: 52
Claude Fable 5.1Platz 1, Anthropic- Claude Fable 5Platz 2, Anthropic
DeepSeek-V4-ProDeepSeek AI- MiniMax M2.7MiniMax
MiMo V2.6 ProXiaomi
MiniMax M2.7 API-Preise
Input
$0,30/ 1 Mio. Tokens
Cache-Lesen
$0,06/ 1 Mio. Tokens
Output
$1,20/ 1 Mio. Tokens
Geschätzte Tokenkosten
$0,04 je Anfrage (100 Anfragen)
- Input inkl. Cache$3,00
- Output$1,20
Schätzung in USD auf Basis der Preise von MiniMax, ohne Steuern, Tools und Cache-Schreibvorgänge. Trage bei Output alle abgerechneten Tokens inklusive Reasoning ein. Cache-Lesen setzt einen bereits befüllten Cache voraus.
Cache-Schreiben und Rechenweg
Kosten = Anfragen × (Input ohne Cache × $0,30 + Input aus Cache × $0,06 + Output × $1,20) / 1.000.000
MiniMax M2.7 Modelldaten
- Kontextfenster
- 204.800 Tokens
- Maximaler Output
- 131.072 Tokens
- Eingabe
- Text
- Ausgabe
- Text
- Anbieter
- MiniMax
- Veröffentlicht
- 18. März 2026
- Architektur
- Sparse MoE-Transformer
- Tokenizer
- MiniMax Tokenizer
- Modellgewichte
- Offen (MIT)
Die Ausgabelänge ist eine eigene Obergrenze. Der tatsächlich verfügbare Eingaberaum hängt auch vom Output-Budget und der API-Konfiguration ab.
Standardfähigkeiten & Schnittstellen
- Reasoning
- Tool-Nutzung
- Strukturierte Ausgaben
- Websuche
- Quellenangaben
- Fine-Tuning
Daten aktualisiert am 29. September 2026. Fehler gefunden? kontakt@byte.de
MiniMax M2.7 API-Provider
Input / 1 Mio. Tokens$0,30Output / 1 Mio. Tokens$1,20Cache-Lesen / 1 Mio.$0,06Kontextfenster204,8kTokensMaximaler Output131,1kTokens- GMICloudInput / 1 Mio. Tokens$0,21Output / 1 Mio. Tokens$0,84Cache-Lesen / 1 Mio.$0,042Kontextfenster196,6kTokensMaximaler Output176,9kTokens
- Novita AIInput / 1 Mio. Tokens$0,27Output / 1 Mio. Tokens$1,08Cache-Lesen / 1 Mio.$0,054Kontextfenster204,8kTokensMaximaler Output131,1kTokens
- AtlasCloudInput / 1 Mio. Tokens$0,30Output / 1 Mio. Tokens$1,20Cache-Lesen / 1 Mio.$0,06Kontextfenster196,6kTokensMaximaler Output176,9kTokens
- Vercel AI GatewayInput / 1 Mio. Tokens$0,30Output / 1 Mio. Tokens$1,20Cache-Lesen / 1 Mio.$0,06Kontextfenster204,8kTokensMaximaler Output131,1kTokens
- GroqInput / 1 Mio. Tokens$0,60Output / 1 Mio. Tokens$1,80Cache-Lesen / 1 Mio.keine AngabeKontextfenster196,6kTokensMaximaler Output131,1kTokens
Preise und Limits laut den Anbietern. Die Verfügbarkeit hängt vom Konto und den jeweiligen Limits ab.
Häufige Fragen zu MiniMax M2.7
Ist MiniMax M2.7 Open Source?
Die Modellgewichte von MiniMax M2.7 sind offen verfügbar (Lizenz: MIT). Details stehen in den Lizenzbedingungen von MiniMax.
Welche Eingaben und Ausgaben unterstützt MiniMax M2.7?
MiniMax M2.7 verarbeitet Text als Eingabe und erzeugt Text.
Was kostet MiniMax M2.7 über die API?
Über die API von MiniMax kostet MiniMax M2.7 $0,30 je 1 Mio. Input-Tokens und $1,20 je 1 Mio. Output-Tokens. Bei Reasoning kommen Thinking-Tokens hinzu, die als Output abgerechnet werden.
Wie groß ist das Kontextfenster von MiniMax M2.7?
MiniMax M2.7 verarbeitet bis zu 204.800 Tokens (204,8k) in einer Anfrage, die Antwort umfasst höchstens 131.072 Tokens.
Wann wurde MiniMax M2.7 veröffentlicht?
MiniMax hat MiniMax M2.7 am 18. März 2026 veröffentlicht.
Weiterführende Links
Ähnliche KI-Modelle
Weitere Modelle von MiniMax
MiniMax-M2.1
MiniMax- Input / 1 Mio.
- $0,30
- Output / 1 Mio.
- $1,20
- Kontextfenster
- 200k Tokens
- Veröffentlichung
- Dezember 2025
ReasoningMiniMax-M2
MiniMax- Input / 1 Mio.
- $0,30
- Output / 1 Mio.
- $1,20
- Kontextfenster
- 204,8k Tokens
- Veröffentlichung
- Oktober 2025
Reasoning
Modelle anderer Anbieter
DeepSeek-V4-Pro
DeepSeek AI- Input / 1 Mio.
- $0,44
- Output / 1 Mio.
- $0,87
- Kontextfenster
- 1 Mio. Tokens
- Veröffentlichung
- August 2026
ReasoningMiMo V2.6 Pro
Xiaomi- Input / 1 Mio.
- $0,44
- Output / 1 Mio.
- $0,87
- Kontextfenster
- 1,05 Mio. Tokens
- Veröffentlichung
- September 2026
Reasoning
Nemotron 3 Super
NVIDIA- Input / 1 Mio.
- $0,30
- Output / 1 Mio.
- $0,75
- Kontextfenster
- 1,05 Mio. Tokens
- Veröffentlichung
- März 2026
Reasoning