Nach MiniMax M3.1 Flash vom 19. Oktober: In welchem Feld steht die Antwort? So trennt man reasoning_content, content und den JSON-String im Tool-Aufruf

Stand 20. Oktober 2026: Die Antwort von M3.1 Flash steht in content, das Denken in reasoning_content. Abschalten liefert 400. Ein Tool-Argument ist ein JSON-String, der ein zweites Mal geparst wird. JSON Schema steht weiter nur beim älteren MiniMax-Text-01.

Die Antwort von M3.1 Flash steht in content. Das Denken steht in reasoning_content. Denken lässt sich nicht abschalten: thinking.type auf disabled oder reasoning_effort auf none liefert 400. Ein Werkzeugargument ist kein Objekt, sondern ein JSON-String, der ein zweites Mal geparst werden muss. Auf der Text-API-Seite gilt response_format mit JSON Schema weiterhin nur für das ältere MiniMax-Text-01. Diesen Schalter nicht auf das Modell vom 19. Oktober legen.

Dieser Text steht auf dem 20. Oktober 2026, nach der Meldung vom Vortag und der OpenAI-kompatiblen API-Seite. Die Modell-ID ist MiniMax-M3.1-Flash, das Kontextfenster hat 1.000.000 Token. Gestern ging es an anderer Stelle um Felder, hier gilt dieselbe Regel: nach Namen lesen, nicht nach Position.

Was am 19. Oktober wirklich kam

Die Meldung sagt, MiniMax M3.1 Flash startet an diesem Tag. Space Bunny, das anonym mehr als 200 Billionen Token verarbeitet hat, war eine frühe Fassung. Online-Inferenz ist fast dreimal so schnell, die Agent-Kosten liegen 70 % unter dem Vorgänger. Gewichte kommen später, Pro ebenfalls. Heute rufbar sind API, M Plan und MiniMax Code.

Dieselbe Seite nennt BankerToolBench 76,2, DeepSWE v1.1 mit 73,7 %, OSWorld V2 mit 61,7 und Agents’ Last Exam mit 29,6, die letzten beiden vorn unter chinesischen Modellen. CyberGym liegt bei 82 %. Alltägliche Ausgabe kann über 200 Token pro Sekunde liegen, der Median bleibt über 170. Das sind Leistungszahlen. Ein Parser liest die Felder im nächsten Abschnitt.

PunktMeldung oder API-Seite
Modell-IDMiniMax-M3.1-Flash
Kontext1.000.000 Token
Je Million TokenEingabe $0,15, Ausgabe $0,60, Cache-Lesezugriff $0,015
Denktiefelow medium high xhigh max; weglassen heißt max

Wo die Antwort je Protokoll liegt

Die OpenAI-kompatible Basis-URL ist https://api.minimax.io/v1. Der Aufrufleitfaden sagt: Denken kommt immer auf reasoning_content zurück, content enthält nur die endgültige Antwort. Im Stream kommen Denkfragmente zuerst auf delta.reasoning_content, der Text danach auf delta.content.

Dieselbe SDK-Seite listet M3.1-Flash auch bei Modellen, deren content <think>-Tags enthält, die erhalten bleiben müssen. Der nächste Satz sagt, diese Tags bleiben nur in content, wenn reasoning_split false ist, und genau das erlaubt M3.1-Flash nicht. Beides zusammen: die ganze Assistant-Nachricht zurückschicken. Beim Parsen ist die Antwort content, das Denken reasoning_content. Taucht ein Tag trotzdem in content auf, ist das kein Geschäfts-JSON, und es darf vor der nächsten Runde nicht gelöscht werden.

ProtokollTiefeDenkenAntwort
OpenAI Chat Completionsreasoning_effortreasoning_contentmessage.content
Anthropic Messagesoutput_config.effortBlock mit type thinkingBlock mit type text
OpenAI Responsesreasoning.effortAusgabe mit type reasoningoutput_text

Die Anthropic-kompatible Basis-URL ist https://api.minimax.io/anthropic, der Pfad /v1/messages. Blöcke nach type wählen. Der erste Block ist oft Denken.

Warum Abschalten 400 liefert

Ohne thinking bleibt Denken an. {"type": "adaptive"} lässt es ebenfalls an. M3.1-Flash lehnt {"type": "disabled"} mit HTTP 400 und Fehlercode 2013 ab. Die Seite gibt diesen Text aus:

model "MiniMax-M3.1-Flash" requires adaptive thinking; thinking.type="disabled" (including reasoning.effort=none) is not allowed (2013)

reasoning_effort gilt nur für M3.1-Flash, none gibt es nicht. Weniger Token heißt Stufe low, nicht Ausschalten. MiniMax-M3 überspringt bei disabled das Denken und antwortet direkt. M2.x nimmt das Feld an und ignoriert es, Denken bleibt an. Eine von M3 kopierte Abschalt-Anfrage wird 400, sobald die Modell-ID M3.1-Flash ist.

Argumente sind ein String

Im OpenAI-Format ist tool_calls[].function.arguments ein JSON-String. Der Name steht in function.name, die Kennung in id. Ein einfacher Aufruf kann ohne Denken kommen, dann fehlt reasoning_content. Erst prüfen, ob das Feld da ist. Die nächste Runde hängt trotzdem die ganze Assistant-Nachricht an, einschließlich reasoning_content und tool_calls. Auf dem Anthropic-Pfad kommt die volle content-Liste zurück: thinking, text, tool_use.

Parsen hat zwei Stufen. Außen die Chat-Antwort, innen das Werkzeugargument. Wer arguments als schon geparstes Objekt behandelt, bekommt bei location leer. Geht nur content zurück und das Denken fällt weg, bricht verschachteltes Denken ab.

Leeres content, Schema, Preis

Das alte Feld max_tokens zählt Denk-Token mit. Zu klein gesetzt ist finish_reason gleich length und content leer. Neue Anbindungen nehmen max_completion_tokens. Der Anthropic-Pfad heißt weiter max_tokens.

Die Textseite sagt, response_format mit json_schema unterstützt nur MiniMax-Text-01. M3.1-Flash hat diesen Zwangsausgang nicht. JSON in der Anweisung verlangen und content lokal prüfen. Der Argument-String ist bereits JSON. Die fachliche Antwort ist es nicht.

Der Preis ist flach, ohne Peak und Off-Peak. Je Million Token: Eingabe $0,15, Ausgabe $0,60, Cache-Lesezugriff $0,015. service_tier priority kostet auf anderen Modellen das 1,5-Fache, M3.1-Flash unterstützt das Feld nicht. Temperatur 0 bis 2, Standard 1. top_p Standard 0,95. n nur 1.

Felder behalten, nicht den letzten Satz

Von einem Aufruf mindestens diese Felder behalten:

{
  "model": "MiniMax-M3.1-Flash",
  "reasoning_effort": "max",
  "finish_reason": "tool_calls",
  "has_reasoning_content": true,
  "content": "I'll check that for you.",
  "tool_name": "get_weather",
  "tool_arguments": "{\"location\": \"San Francisco, US\"}"
}

tool_arguments bleibt ein String, damit der zweite Parse sichtbar bleibt. has_reasoning_content getrennt speichern, damit eine einfache Werkzeugrunde nicht als verlorenes Denken gilt. Bei 400 den Status 2013 und das gesendete thinking.type speichern, nicht einen Modellausfall.

  • JSON-Validator — erst den äußeren Satz prüfen, dann den String in tool_arguments.
  • JSON Diff — zwei Assistant-Nachrichten: fehlt reasoning_content oder tool_calls.
  • JSONPath — Antworten mit finish_reason length und leerem content.

FAQ

Kann ich Denken abschalten, um Token zu sparen?

Bei M3.1-Flash nein. thinking.type disabled oder reasoning_effort none liefert 400, Code 2013. Die Stufe auf low setzen. MiniMax-M3 überspringt Denken bei disabled. Die Anfragen sind nicht austauschbar.

Welches Feld ist die Antwort?

Auf der OpenAI-kompatiblen API steht die Antwort in content und das Denken in reasoning_content. Im Stream kommt Denken zuerst auf delta.reasoning_content. Anthropic-kompatibel nach type wählen. text ist die Antwort.

Warum ist finish_reason length und content leer?

max_tokens zählt Denk-Token mit. Ist die Grenze zu klein, füllt Denken sie, bevor die Antwort beginnt. Neue Anbindungen nutzen max_completion_tokens.

Erzwingt json_schema JSON?

Die Textseite sagt, response_format mit json_schema gilt nur für MiniMax-Text-01. M3.1-Flash hat diesen Ausgang nicht. JSON in der Anweisung verlangen und content prüfen. Das Werkzeugargument ist bereits ein JSON-String.

Muss reasoning_content zurückgehen?

Ja. Eine mehrstufige Werkzeugrunde hängt die ganze Assistant-Nachricht an, einschließlich reasoning_content und tool_calls. Fehlt das Denkfeld, nicht lesen, die Nachricht trotzdem ganz behalten.

Ist function.arguments ein Objekt oder ein String?

Im OpenAI-Format ein JSON-String. Nach der äußeren Antwort arguments noch einmal parsen, sonst bleibt location leer.

Fazit

Die Modell-ID vom 19. Oktober ist MiniMax-M3.1-Flash. Denken ist standardmäßig an, der Aus-Schalter wird abgelehnt. Die Antwort je Protokoll nehmen: content, Text-Block oder output_text. Werkzeugargumente ein zweites Mal parsen. Der JSON-Schema-Zwang steht weiter beim älteren Modell.

Punkte aus der Meldung zitieren. Im Code finish_reason, das Denkfeld und den rohen arguments-String behalten. Leeres content ist eine Längenprüfung. 400 ist eine Prüfung auf disabled.