70 %. So viel billiger soll MiniMax M3.1 Flash Agent-Setups machen, und das Modell soll danach 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 gewonnen hat. Draht M3.1 Flash noch nicht produktiv laufen, ehrlich gesagt konnten wir bisher kaum anfassen. Auch ist das hier ein erster Blick, kein Testurteil. Wir rechnen stattdessen durch, wo bei Agent-Kosten überhaupt Potential liegen und wo versteckte Kosten den ROI schmälern. Falls du frisch im Agenten-Thema sind, liegt vorher unsere Einführung, wie Agenten im Arbeitsalltag wirklich funktionieren (EN).
War MiniMax M3.1 Flashförderung: 3x schneller und 70 Prozent günstiger für Agenten
MiniMax Hut 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 Agenten-Workflows. „Flash steht dabei für die Modellklasse, die anderen Anbieter ähnlich verkaufen: schnell, günstig, gut genug für Routine-Aufgaben, aber nicht das Schwergewicht für harte Analysen.
War 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. Auch berechnet wir hier mit Struktur statt mit Fake-Preisen.
Und noch war vorweg. Ich bin bei brandneuen Modellen vorsichtig Gebrauch, und zwar aus eigenen Verschulden. 2024 hab ich ein Modell zwei Tage nach Release in einem Kunden-Workflow gebaut, ein Ticket-Routing für den Support. Zwei Wochen später veränderte der Anbieter Kleinigkeiten am Antwort-Format, unser 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: War „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 reisen der gesamten bisherigen Kontext mit. Ein zehnstufiger Agent überträgt denselben Verlauf ebenfalls zehnmal, plus Tool-Ausgaben, plus System-Prompt. Input-Tokens dominieren die Rechnung, meistens mit Abstand.
Daraus folgt der springende Punkt an den 70 Prozent: Es ist eine Beziehung ohne Bezugspunkt. Günstiger als der MiniMax-Vorgänger? Günstiger als vergleichbares Flash-Modell der großen Anbieter? Hersteller-Vergleiche wählen gerne 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 kann, sind deine eigenen Kosten. Beispiel aus unserem Alltag: Unser Lead-Triage-Workflow läuft monatelang mit GPT-4o, rund 4.000 Runs im Monat, ca. 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 gleichem Trefferquote auf 200 Testfälle. Genau dieses Terrain, einfache Klassifizierung in großen Volumina, ist es, auf dem ein günstiges Flash-Modell glänzen kann, wenn der Preis stimmt.
Was dabei gerne vergessen wird: Zwischen Modell und Workflow sitzt schnell immer eine Plattform, und die will auch verdienen. Als Draht 2.400 Prompts durch n8ns AI Gateway gejagt haben (EN), war die Erkenntnis ernüchternd: Credits können spürbar teurer sein als direkte API-Keys. Rechne auch die ganze Kette, nie nur den Modellpreis.
Die grobe Formel für deine 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 deinen Aufwand für Tests, Monitoring und, hierzulande, Datenschutz.
Die letzten drei Posten sind der Grund, warum „70 Prozent billiger" am Ende selten „70 Prozent weniger Rechnung" bedeutet.
Latenz vs. Kosten: Warum schnellere Nicht immer weniger Ausgaben bedeuten
Dreimal schneller klingt erstmal wie ein Freibrief. Meist ist es auch ein Gewinn, aber Geschwindigkeit verändertes 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 vollständigen Kontext nochmal. Wir hatten das bei einem Kunden, dessen Support-Workflow in n8n laufen. Übliche Monatskosten: ca. 105 Euro. Im November plötzlich 314 Euro, weil ein nachgelagerter Dienst träge war, unsere Timeouts zuschlugen und der Retry den vollen Verlauf neu senden, 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 unter Hemmschwellen. Wenn ein Agent-Lauf schnell nichts kostet, baut dein Team halt noch ein 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.
Zu kommt: Modellgeschwindigkeit hilft nicht, wenn der Flaschenhals woanders sitzt. Wartet dein Agent auf einer CRM-API mit zwei Sekunden Antwortzeit oder auf deiner manuellen Freigabe, ist es egal, ob das Modell in einem halben oder in drei Sekunden Antworten. Latenz-Einsparungen wirken nur in Workflows, die wirklich am Modell limitiert sind. Prüfen sie ehrlich, ob ihr 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, fällt das Land außerhalb der EU liegen?
MiniMax ist ein chinesischer Anbieter. Das ist weder schlecht noch automatisch ein Ausschlusskriterium, aber es heißt, dass du Verarbeitungsort, AVV und Datentransfer ganz konkret gereinigt haben wollen, bevor auch nur ein Kundenname durchs Modell geht. In der M3.1-Flash-Ankündigung fanden wir dazu nichts Brauchbares. Vielleicht kommt da noch war, vielleicht auch ein EU-Angebot. Wir wissen es klar nicht. Und diese Unwissenheit ist selbst eine Kostenposition: Jede Stunde Nachfragen, AVV-Prüfung und Vertragsklauberei frisst an den 70 Prozent.
Realistisch für den Mittelstand sehen ich daher zwei getrennte Bahnen: Workflows mit Personenbezug bleiben auf dokumentierten Setups mit EU-Hosting, alle anderen (Zusammenfassungen öffentlicher Texte, interne Suche in anonymisierten Beständen, Extraktion aus öffentlichen Quellen) dürfen aufs günstige Modell. Zwei Bahnen heißen aber doppelte Infrastruktur, doppeltes Monitoring, doppelte Fehlerquellen. Das kostet auch. 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 auch 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 bestfalls einzelne Schritte massiver Workflows günstiger und schneller machen. Mehr steht auch in der Ansage nicht drin, wenn man gut liegt.
Wo der Wechsel berechnet wird
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 benötigt, bevor etwas Brauchbares stehen. Genau da war bei uns der Wechsel von GPT-4o auf einem kleinen Modell der größten Hebel, und genau da musste M3.1 Flash andocken, wenn der Preis passt.
Wo ich die Finger davon lassen
Alles unter 1.000 Runs im Monat. Kostet dein ganzer Agenten-Stack heute 5 Euro, sind 70 Prozent Ersparnis 3,50 Euro, und für ein Wochenende Testing zu opfern, lohnt schlicht nicht. Auch raus: Workflows mit personenbezogenen Daten, solange die DSGVO-Fragen offen sind, und qualitätskritische Aufgaben, bei denen ein Fehler richtig Geld kosten (Vertragsprüfung, alles mit Haftung dran). Flash-Modelle sind für Routine bauen, nicht fürs Letzte-Prozent-Denken.
Die Rechnung, die du vorher machen soll: Nimm die Monatsrechnung des betroffenen Workflows. Bei 40 Euro sind 70 Prozent 28 Euro im Monat, ebenfalls rund 336 Euro im Jahr. Wenn der Wechsel inklusive Prompt-Umbau und Tests mehr als ein paar Stunden dauern, ist der Break-even schnell da, nur der absolute Gewinn bleibt klein. Bei 400 Euro im Monat sehen die Sache ganz anders aus. Der Prozentsatz ist wertlos ohne deine Basiszahl, und die kennt nur du.
Mein Plan für M3.1 Flash ist entsprechend unspektakulär: warten, bis es echte Preise und eine klare Aussage zum Verarbeitungssort gegeben, dann ein Workflow als Schattenlauf parallel laufen lassen, Output vergleichen, Kosten vergleichen, und erst danach schalten. So bauen wir Agent-Workflows sauber in Produktion (EN) allgemein auf. Der 2024er-Zwischenfall hat mir diese Disziplin auf die harte Tour beigebracht.
Wenn du magst, berechnet wir deine Agent-Kosten mal gemeinsam durch, das ist hier so ungefähr Nationalsport. Und mal 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
