70 Prozent. So viel günstiger soll MiniMax M3.1 Flash Agent-Setups machen, und das Modell soll zudem dreimal schneller antworten. Wenn du in Deutschland Agent-Workflows betreibst und jeden Monat über die API-Rechnung staunst, klingt das erstmal wie die beste Nachricht des Monats. Ein Detail fehlt allerdings: Konkrete Preise für Deutschland hat MiniMax zur Vorstellung nicht genannt.
Genau deshalb nehmen wir das hier auseinander. Bei Agenten ist der Token-Preis nur ein Baustein von vielen, und die 70 Prozent beziehen sich auf eine Basis, die uns niemand verraten hat. Wir haben M3.1 Flash noch nicht produktiv laufen, ehrlich gesagt konnten wir es bisher kaum anfassen. Also ist das hier ein erster Blick, kein Testurteil. Wir rechnen stattdessen durch, wo bei Agent-Kosten überhaupt Potenzial liegt und wo versteckte Kosten den ROI schmälern. Falls du frisch im Agenten-Thema bist, lies vorher unsere Einführung, wie Agenten im Arbeitsalltag wirklich funktionieren (EN).
Was MiniMax M3.1 Flash verspricht: 3x schneller und 70 Prozent günstiger für Agents
MiniMax hat mit M3.1 Flash ein Modell vorgestellt, das laut Hersteller genau für Agent-Setups gedacht ist. Die zwei Kernversprechen: dreimal schnellere Antworten und 70 Prozent niedrigere Kosten in Agent-Workflows. „Flash“ steht dabei für die Modellklasse, die andere Anbieter ähnlich verkaufen: schnell, günstig, gut genug für Routine-Aufgaben, aber nicht das Schwergewicht für harte Analysen.
Was in der Ankündigung fehlt: Preise für Deutschland. Auch zur Verfügbarkeit über die bei uns üblichen Plattformen und zum Verarbeitungsort der Daten fanden wir bisher nichts Verlässliches. Das ist bei so einem Release nicht ungewöhnlich, hat aber eine harte Konsequenz: Jede Zahl, die dir heute jemand zu „MiniMax M3.1 Flash Kosten“ nennt, ist erfunden. Also rechnen wir hier mit Struktur statt mit Fake-Preisen.
Und noch was vorweg. Ich bin bei brandneuen Modellen vorsichtig geworden, und zwar aus eigenem Verschulden. 2024 hab ich ein Modell zwei Tage nach Release in einen Kunden-Workflow gebaut, ein Ticket-Routing für den Support. Zwei Wochen später änderte der Anbieter Kleinigkeiten am Antwort-Format, unsere JSON-Parser brachen, und drei Tage lang landeten Tickets im Nirwana. Ich hab es nicht sofort gemerkt, weil kein Alerting drin war. Mein Fehler, ganz ohne Wenn und Aber.
Die Rechenbasis: Was „günstiger“ im Agent-Kontext wirklich bedeutet
Im Chat ist Kostenrechnung simpel: Tokens rein, Tokens raus, Preis multipliziert. Agenten arbeiten anders. Sie planen, rufen Tools auf, lesen Ergebnisse, planen weiter, und bei jedem Schritt reist der komplette bisherige Kontext mit. Ein zehnstufiger Agent überträgt denselben Verlauf also zehnmal, plus Tool-Ausgaben, plus System-Prompt. Input-Tokens dominieren die Rechnung, meist mit Abstand.
Daraus folgt der springende Punkt an den 70 Prozent: Es ist eine Relation ohne Bezugspunkt. Günstiger als der MiniMax-Vorgänger? Günstiger als vergleichbare Flash-Modelle der großen Anbieter? Hersteller-Vergleiche wählen gern die Basis, die am besten aussieht. Ohne Preisliste ist die Formel Marketing mit Vorbehalt, und da hilft auch keine noch so schöne Prozentzahl.
Was du trotzdem seriös rechnen kannst, sind deine eigenen Kosten. Beispiel aus unserem Alltag: Unser Lead-Triage-Workflow lief monatelang mit GPT-4o, rund 4.000 Runs im Monat, etwa 80 Euro API-Kosten. Für die Aufgabe (E-Mail einordnen, an die richtige Person routen) war das Overkill. Nach dem Wechsel auf ein kleines Modell: unter 10 Euro im Monat, bei gleicher Trefferquote auf 200 Testfällen. Genau dieses Terrain, einfache Klassifizierung in großen Volumina, ist es, auf dem ein günstiges Flash-Modell glänzen kann, wenn der Preis stimmt.
Was dabei gern vergessen wird: Zwischen Modell und Workflow sitzt fast immer eine Plattform, und die will auch verdienen. Als wir 2.400 Prompts durch n8ns AI Gateway gejagt haben (EN), war die Erkenntnis ernüchternd: Credits können spürbar teurer sein als direkte API-Keys. Rechne also die ganze Kette, nie nur den Modellpreis.
Die grobe Formel für deinen Agenten:
- Runs pro Monat × Schritte pro Run × Tokens pro Schritt × Preis pro Token
- plus Retries (die zahlst du inklusive vollem Kontext mit)
- plus Plattform-Gebühren oder Credit-Aufschläge
- plus dein Aufwand für Tests, Monitoring und, hierzulande, Datenschutz.
Die letzten drei Posten sind der Grund, warum „70 Prozent günstiger“ am Ende selten „70 Prozent weniger Rechnung“ bedeutet.
Latenz vs. Kosten: Warum schnellere Tokens nicht immer weniger Ausgaben bedeuten
Dreimal schneller klingt erstmal wie ein Freibrief. Meist ist es auch ein Gewinn, aber Geschwindigkeit verändert Verhalten, und das kann die Rechnung drehen.
Zuerst der gute Teil, denn der ist real. Langsame Modelle produzieren Timeouts, Timeouts produzieren Retries, und Retries zahlen den kompletten Kontext nochmal. Wir hatten das bei einem Kunden, dessen Support-Workflow in n8n lief. Übliche Monatskosten: etwa 105 Euro. Im November plötzlich 314 Euro, weil ein nachgelagerter Dienst träge war, unsere Timeouts zuschlugen und der Retry den vollen Verlauf erneut schickte, teils dreimal pro Ticket. Ein dreimal schnelleres Modell drückt genau diese Fehlerquelle. Latenz ist hier kein Komfort-Feature, sondern ein harter Kostenhebel. Danach haben wir Retries und Failover nach den Prinzipien für zuverlässige Workflows (EN) umgebaut, aber das ist ein anderes Thema.
Jetzt die Kehrseite. Günstig und schnell senkt Hemmschwellen. Wenn ein Agent-Lauf fast nichts kostet, baut dein Team halt noch einen zwölften Schritt ein, lässt zwei Agenten parallel laufen oder jagt den halben Datenbestand durchs Modell, „weil es ja nichts kostet“. Pro Token magst du 70 Prozent sparen, die Monatsrechnung kann trotzdem steigen, weil das Volumen wächst. Ich hab das mehrfach gesehen. Und ich war mehr als einmal selbst der Grund.
Dazu kommt: Modellgeschwindigkeit hilft nicht, wenn der Flaschenhals woanders sitzt. Wartet dein Agent auf eine CRM-API mit zwei Sekunden Antwortzeit oder auf deine manuelle Freigabe, ist es egal, ob das Modell in einer halben oder in drei Sekunden antwortet. Latenz-Einsparungen wirken nur in Workflows, die wirklich am Modell limitiert sind. Prüf ehrlich, ob deiner dazu gehört.
Datenschutz-Check: Wo die Prompts verarbeitet werden und was das für die DSGVO bedeutet
Dieser Teil ist unsexy, aber für deutsche Unternehmen entscheidend. Agent-Prompts sind keine anonymen Textschnipsel. In hiesigen Workflows stecken Namen, E-Mail-Adressen, Kundentexte, Rechnungsdaten, manchmal Verträge. Alles, was dein Agent verarbeitet, landet beim Modell-Anbieter, und für die DSGVO zählt: Wo wird verarbeitet, gibt es einen Auftragsverarbeitungsvertrag, und welche Übertragungsmechanismen greifen, falls das Land außerhalb der EU liegt?
MiniMax ist ein chinesischer Anbieter. Das ist weder schlecht noch automatisch ein Ausschlusskriterium, aber es heißt, dass du Verarbeitungsort, AVV und Datentransfer ganz konkret geklärt haben willst, bevor auch nur ein Kundenname durchs Modell geht. In der M3.1-Flash-Ankündigung fanden wir dazu nichts Brauchbares. Vielleicht kommt da noch was, vielleicht sogar ein EU-Angebot. Wir wissen es schlicht nicht. Und diese Unwissenheit ist selbst eine Kostenposition: Jede Stunde Nachfragen, AVV-Prüfung und Vertragsklauberei frisst an den 70 Prozent.
Realistisch für den Mittelstand sehe ich deshalb zwei getrennte Bahnen: Workflows mit Personenbezug bleiben auf dokumentierten Setups mit EU-Hosting, alles andere (Zusammenfassungen öffentlicher Texte, interne Suche in anonymisierten Beständen, Extraktion aus öffentlichen Quellen) darf aufs günstige Modell. Zwei Bahnen heißen aber doppelte Infrastruktur, doppeltes Monitoring, doppelte Fehlerquellen. Das kostet ebenfalls. Mehr dazu, warum deutsches KI-Hosting den Mittelstand oft teurer macht statt unabhängiger.
Praxis-Fazit: In welchen deutschen Workflows sich der Wechsel rechnet
Die zwei Fragen, die dir eigentlich nur wichtig sind: Was kostet mich das pro Monat, und welche Aufgabe nimmt es mir ab? Ehrliche Antwort auf die erste: Wir wissen es nicht. Die deutschen Preise wurden nicht kommuniziert, und jeder, der dir heute eine Zahl nennt, erfindet sie. Antwort auf die zweite: keine. Ein Modell erledigt keine Aufgabe, das tut der Workflow drumherum. M3.1 Flash kann bestenfalls einzelne Schritte bestehender Workflows günstiger und schneller machen. Mehr steht auch in der Ansage nicht drin, wenn man genau liest.
Wo der Wechsel rechnen könnte
Hohe Volumina, einfache Aufgaben, Zeitkritikalität, keine personenbezogenen Daten. Konkret: Batch-Aufbereitung alter Dokumentenbestände, Klassifizierung von Texten ohne Kundendaten, interne Suche, Zusammenfassungen, und vor allem Prototyping, wo du hunderte Testläufe brauchst, bevor etwas Brauchbares steht. Genau da war bei uns der Wechsel von GPT-4o auf ein kleines Modell der größte Hebel, und genau da müsste M3.1 Flash andocken, wenn der Preis passt.
Wo ich die Finger davon lassen würde
Alles unter 1.000 Runs im Monat. Kostet dein ganzer Agenten-Stack heute 5 Euro, sind 70 Prozent Ersparnis 3,50 Euro, und dafür ein Wochenende Testing zu opfern, lohnt schlicht nicht. Ebenso raus: Workflows mit personenbezogenen Daten, solange die DSGVO-Fragen offen sind, und qualitätskritische Aufgaben, bei denen ein Fehler richtig Geld kostet (Vertragsprüfung, alles mit Haftung dran). Flash-Modelle sind für Routine gebaut, nicht fürs Letzte-Prozent-Denken.
Die Rechnung, die du vorher machen solltest: Nimm die Monatsrechnung des betroffenen Workflows. Bei 40 Euro sind 70 Prozent 28 Euro im Monat, also rund 336 Euro im Jahr. Wenn der Wechsel inklusive Prompt-Umbau und Tests mehr als ein paar Stunden dauert, ist der Break-even schnell da, nur der absolute Gewinn bleibt klein. Bei 400 Euro im Monat sieht die Sache schon ganz anders aus. Der Prozentsatz ist wertlos ohne deine Basiszahl, und die kennst nur du.
Mein Plan für M3.1 Flash ist entsprechend unspektakulär: warten, bis es echte Preise und eine klare Aussage zum Verarbeitungsort gibt, dann einen Workflow als Schattenlauf parallel laufen lassen, Output vergleichen, Kosten vergleichen, und erst danach schalten. So bauen wir Agent-Workflows sauber in Produktion (EN) generell auf. Der 2024er-Zwischenfall hat mir diese Disziplin auf die harte Tour beigebracht.
Wenn du magst, rechnen wir deine Agent-Kosten mal gemeinsam durch, das ist hier so ungefähr Nationalsport. Und sobald MiniMax echte deutsche Preise für M3.1 Flash nennt, gehen wir diesen Beitrag nochmal durch. Bis dahin gilt: erst die Basiszahl, dann der Prozentsatz.
Bis zum nächsten Mal,
Damian
