Die Rechnung der MiniMax API lässt sich nicht auf einen einzigen Token-Preis reduzieren. Text, Sprache, Video und Bilder werden in unterschiedlichen Einheiten abgerechnet; in einem Konto können Token, Dauer, Zeichen, Bildanzahl und Aufgabenanzahl gleichzeitig auftreten. Wer das Budget nur mit einem Textpreis plant, unterschätzt Sprach- oder Videoaufgaben leicht.

Auch auf der Textseite gilt nicht „Gesamttoken mal einem Faktor“. Input, Output und Cache-Treffer werden getrennt berechnet, langer Kontext kann in eine höhere Preisstufe fallen, und Wiederholungen sowie Verlaufsnachrichten treiben den tatsächlichen Verbrauch nach oben.

Dieser Beitrag zerlegt die Abrechnungseinheiten der einzelnen Fähigkeiten, die Struktur der Textrechnung, Kostenverstärker durch langen Kontext und Wiederholungen sowie die Schätzung und Abstimmung anhand von usage. Konkrete Preise stehen in der Preisübersicht und in der offiziellen Dokumentation.

Hinweis: MiniMax ist eine Marke des jeweiligen Inhabers. Dieser Beitrag dient der technischen Erläuterung und steht in keiner Zugehörigkeit zu MiniMax. Abrechnungsregeln, Modellnamen und Preise können sich ändern; Grundlage sind die öffentlichen Dokumente vom Oktober 2026. Prüfen Sie vor der Beschaffung erneut die offiziellen Seiten.

1. Zuerst die Abrechnungseinheit jeder Fähigkeit trennen

Die nutzungsabhängige Abrechnung von MiniMax verwendet je Fähigkeit unterschiedliche Einheiten. Die offizielle Dokumentation nennt derzeit grob folgende Logik:

Fähigkeit Wesentliche Abrechnungseinheit Leicht übersehener Punkt
Sprachmodelle, teils Videoaufgaben Token (Input, Output, Cache-Treffer getrennt) System-Prompt, Verlauf und Tool-Definitionen zählen zum Input
Spracherkennung Audiodauer Stille und wiederholte Uploads belegen ebenfalls Dauer
Sprachsynthese Zeichen (pro 10.000 Zeichen) Ein chinesisches Zeichen zählt als zwei Zeichen; Satzzeichen und Leerzeichen zählen mit
Stimmdesign oder -klon Einmalige Gebühr pro Stimme Abbuchung bei der ersten Synthese
Videogenerierung Ausgabesekunden plus Eingabematerial Eine Neugenerierung berechnet das Eingabematerial erneut
Bildgenerierung Pro Bild Zuerst Größe und Zählweise klären
Tool-Aufrufe, Musik Pro Aufruf oder pro Stück Agent-Schleifen summieren sich fortlaufend

Ein „durchschnittlicher Preis pro Anfrage“ überdeckt nicht alle Geschäftsfälle. Textsupport, Sprachsupport und Kurzvideos haben völlig unterschiedliche Kostenstrukturen. Wer nur Textschnittstellen nutzt, beachtet die drei Token-Positionen; wer Sprache oder Video ergänzt, sollte eine separate Kostentabelle führen.

2. Drei Posten der Textrechnung: Input, Output und Cache

Textanfragen zerfallen üblicherweise in Input, Output und Cache-Treffer; einige Modelle weisen zusätzlich Cache-Schreibvorgänge aus. Der Input umfasst nicht nur die Nutzerfrage, sondern auch System-Prompt, Gesprächsverlauf, Tool-Definitionen und abgerufene Dokumente. In mehrstufigen Dialogen wird der Verlauf bei jeder Runde erneut mitgesendet und summiert sich am stärksten.

Der Cache dient der Wiederverwendung wiederkehrender Präfixe. Der Prompt-Cache von MiniMax arbeitet mit Präfixabgleich; die offizielle Reihenfolge lautet Tool-Definitionen, System-Prompt, Gesprächsverlauf. Der Cache greift automatisch, aber der Input muss mindestens 512 Token umfassen. Treffer werden mit einem niedrigeren Input-Preis berechnet, neuer Input zum Standardpreis; ob eine Cache-Schreibgebühr anfällt, hängt vom Modell ab.

Kosten pro Anfrage = Cache-Treffer-Input × Trefferpreis + neuer Input × Inputpreis + Output × Outputpreis; bei Cache-Schreibgebühr kommt ein weiterer Posten hinzu.

Am häufigsten unterschätzt wird der „neue Input“. Wer in jeder Runde das ganze Handbuch mitsendet oder vollständige Tool-Rückgaben in die nächste Runde übernimmt, lässt ihn stetig wachsen. Der Cache mildert wiederkehrende Präfixe, ersetzt aber nicht Retrieval und Kürzung.

3. Langer Kontext: 512k ist eine Preisgrenze

Leistungsfähiger langer Kontext bedeutet nicht automatisch niedrige Kosten. Laut aktueller offizieller Angabe fällt M3-Input oberhalb von 512k Token in eine höhere Preisstufe; Input und Output werden dann zu höheren Sätzen berechnet. Schwellen können je Modell abweichen; maßgeblich ist die Preistabelle.

Die zweite Kostenebene entsteht durch die Anzahl der Runden: Je länger der Kontext, desto mehr Verlauf wird pro Runde mitgeführt. Wird jede Runde als vollständiger Dialog übergeben, wächst der Input mit der Rundenzahl und die Rechnung schneller als erwartet. Codeassistenten, Dokumentenabfragen und Agent-Aufgaben sind besonders anfällig.

Drei Maßnahmen priorisieren: Retrieval verkleinert den Umfang, rollierende Zusammenfassungen verdichten den Verlauf, und stabile Inhalte werden an den Anfang gestellt, um Cache-Treffer zu erhöhen. Der Kontext wird nur dann sehr lang gemacht, wenn wirklich eine dokumentübergreifende Schlussfolgerung nötig ist.

4. Wiederholungen und fehlgeschlagene Anfragen: nicht automatisch kostenlos

Jede Wiederholung ist eine neue Anfrage und kann den vollständigen Input erneut tragen. Automatische Neusendungen nach 429 oder Timeout ohne Backoff und Obergrenze blähen den Verbrauch leicht auf. Ob fehlgeschlagene Textanfragen berechnet werden, sagt die offizielle Dokumentation nicht einheitlich zu; maßgeblich sind Verbrauchsaufzeichnung und Rechnung. Auf der Videoseite ist die Regel klarer: Fehlgeschlagene Generierungen oder eine Ablehnung durch die Sicherheitsprüfung verbrauchen keine Punkte; für Sprache und Bilder gelten die jeweiligen Erläuterungen.

Praktische Empfehlungen:

  • Nur behebbare Fehler wiederholen; Authentifizierungs- und Parameterfehler nicht erneut senden.
  • Exponentielles Backoff mit einer maximalen Anzahl verwenden.
  • Request-ID, Modell, Inputlänge und Anzahl der Wiederholungen protokollieren.
  • Bei Batch-Aufgaben zuerst die Erfolgsquote in einer kleinen Stichprobe prüfen.

5. Eine reproduzierbare Schätzung mit usage

Token nicht aus der Zeichenzahl raten. Nach jedem Aufruf die usage-Werte lesen und eine Woche lang erfassen; so entsteht die reale Struktur des eigenen Geschäfts. Das folgende Beispiel ruft über den OpenAI-kompatiblen Einstieg auf und liest die Cache-Felder:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["ZSQH_API_KEY"],
    base_url="https://ai.zhongshangqihang.com/v1",
)

resp = client.chat.completions.create(
    model="MiniMax-M3",  # maßgeblich ist die Preisseite der Plattform
    messages=[
        {"role": "system", "content": "Du bist ein Kundendienstassistent und antwortest in höchstens drei Sätzen."},
        {"role": "user", "content": "Kann ich die Lieferadresse nach dem Versand noch ändern?"},
    ],
    max_completion_tokens=256,
)

usage = resp.usage
cached = 0
details = getattr(usage, "prompt_tokens_details", None)
if details is not None:
    cached = getattr(details, "cached_tokens", 0) or 0

print("Input gesamt", usage.prompt_tokens)
print("Cache-Treffer", cached)
print("Neuer Input", usage.prompt_tokens - cached)
print("Output", usage.completion_tokens)

Zeitpunkt, Projekt, Modell, Input, Cache-Treffer, Output und Wiederholungen ins Log schreiben und nach Projekt, Modell und Szenario zusammenfassen. Als grobe Praxisorientierung gelten für chinesische Texte etwa 1.000 Token für rund 1.600 Zeichen, doch die Abweichung ist groß; maßgeblich bleibt usage.

Ein Budget in den Stufen niedrig, mittel und hoch liegt näher an der echten Rechnung als eine exakte Einzelzahl. Cache-Trefferquote, Ausgabelänge und Wiederholungsanteil schwanken; eine Bandbreite ist verlässlicher.

6. Reihenfolge der Kostenoptimierung: erst messen, dann Modelle wechseln

  1. Quantifizieren: Mit usage und Logs Input, Output, Cache-Treffer und Wiederholungen je Funktion berechnen.
  2. Cache erhöhen: Tool-Reihenfolge und System-Prompt stabil halten, Zeitstempel und Zufalls-IDs ans Ende der Anfrage verschieben.
  3. Input reduzieren: Nur relevante Passagen abrufen, Verlauf zusammenfassen, von Tool-Rückgaben nur notwendige Felder behalten.
  4. Output begrenzen: Ein sinnvolles max_completion_tokens setzen und JSON oder feste Felder verlangen.
  5. Modelle aufteilen: Klassifikation und Extraktion mit leichten Modellen, komplexes Reasoning höher; bei Latenzempfindlichkeit eine schnellere Stufe prüfen.
  6. Asynchron und mit Alarmen: Offline-Aufgaben in Warteschlangen, Budgetlimits pro Projekt und Schlüssel sowie Warnungen bei niedrigem Guthaben.

Die Reihenfolge nicht umdrehen. Wer zuerst ein günstigeres Modell wählt, aber Input nicht bereinigt und Cache nicht trifft, senkt die Rechnung nicht und verliert zusätzlich Qualität.

7. Budget, Rechnung und Belege abstimmen

Das Monatsbudget wird aus „Szenarioverbrauch × Preis“ summiert und mit einem Sicherheitsfaktor multipliziert; Preise stammen aus der Preisübersicht. Test und Produktion erhalten getrennte Schlüssel und eigene Limits, damit sie sich nicht gegenseitig verdrängen.

Beim Abgleich sind drei Stellen wichtig: Stimmt die Token-Struktur mit den Logs überein, ist die Modellstufe korrekt, und erzeugen fehlgeschlagene Wiederholungen zusätzliche Einträge? Rechnungen des offiziellen Kontos richten sich nach dem tatsächlich gezahlten Betrag; mit Gutscheinen verrechnete Teile sind meist nicht rechnungsfähig.

Teams, die eine einheitliche Rechnung in Landeswährung und Multi-Modell-Verbrauch benötigen, können über ein inländisches AI-Gateway aufladen und abrechnen; Preise, Wechselkurse und Rechnungsregeln richten sich nach Preisseite und Aufladeseite.

Häufige Fragen

Wird die MiniMax API pro Aufruf abgerechnet?

Nicht ausschließlich. Text wird pro Token abgerechnet, Spracherkennung pro Dauer, Sprachsynthese pro Zeichen, Video pro Sekunde und Material, Bilder pro Stück. Zuerst klären, welche Fähigkeit das Geschäft nutzt.

Ist Input oder Output teurer?

Bei den meisten Modellen ist der Output-Preis höher als der Input-Preis; Cache-Treffer beim Input sind günstiger. Nicht nur Einzelpreise vergleichen, sondern die Kosten pro Anfrage anhand des eigenen Input-/Output-Verhältnisses berechnen.

Wird langer Kontext immer teurer?

Nicht zwingend, aber das Risiko steigt. Oberhalb der Schwelle gilt eine höhere Preisstufe, und der mitgeführte Verlauf summiert sich pro Runde. Aufgaben, die sich mit Retrieval und Zusammenfassung lösen lassen, sollten den Kontext nicht füllen.

Werden fehlgeschlagene Wiederholungen berechnet?

Für Text gibt es keine einheitliche offizielle Zusage; eine Wiederholung ist eine neue Anfrage und sollte anhand von Verbrauch und Rechnung geprüft werden. Auf der Videoseite verbrauchen fehlgeschlagene Generierungen oder Sicherheitsablehnungen keine Punkte; für andere Fähigkeiten gelten die jeweiligen Erläuterungen.

Warum weichen Schätzung und Rechnung voneinander ab?

Häufig übersehen werden Verlaufsnachrichten, Tool-Definitionen, Cache-Fehltreffer, Wiederholungen, lange Ausgaben und Preisstufenunterschiede. Nur der Abgleich über Request-IDs mit den Logs zeigt die Ursache.

Nächster Schritt

Erstellen Sie zuerst im ZSQH AI Gateway einen Testschlüssel, lassen Sie echte Aufgaben eine Woche laufen und erfassen Sie Input, Output, Cache-Treffer und Wiederholungen. Danach das Budget anhand der Preisübersicht berechnen.

Weiterlesen: