Modelle · China · geprüft 2026-08-14

MiniMax Music 3

MiniMax · MiniMax-Music3 Community License (weltweit, aber mit Namensnennungspflicht)

Das erste offene Musik-Modell, das ein ganzes Lied über fünf Minuten in einem Durchgang zusammenhält — und das erste MiniMax-Modell, das auf unsere Karte passt. Am 14.08. selbst nachgemessen: besser als seine eigenen Angaben, aber es verlangt die ganze Karte und einen Schalter, der neun Zehntel seines Tempos kostet.

Anbieter
MiniMax
Tier
China
Lizenz
MiniMax-Music3 Community License (weltweit, aber mit Namensnennungspflicht)
Gewichte
offen (self-hostbar)
Selbst betrieben
ja
Parameter
8 Mrd + 0,6 Mrd + 2,4 Mrd
Kontext
bis 5 Minuten Lied, 44,1 kHz Stereo (gemessen), 25 Bilder/s
Modalitäten
Musik erzeugen
Erschienen
2026-08-13
Unsere Sicht

Einschätzung

  • Am 14. August 2026 auf der eigenen RTX 3090 gemessen, nicht abgeschrieben. Drei Herstellerangaben hielten der Messung nicht stand: Es gibt 44,1 kHz aus statt der angegebenen 32; es hält die bestellte Länge auf die Hundertstelsekunde, sobald es Struktur-Tags bekommt (119,99 s bei 120 bestellten); und warm gerechnet liegt es kaum über Echtzeit statt bei „zwei Minuten je Minute Musik“.
  • Der Grund gegen den Einsatz steht in keiner Ankündigung: Auf unserer Karte bricht es reproduzierbar mit `cudaErrorStreamCaptureInvalidated` ab. Ursache ist ComfyUIs Vorausladen, das CUDA-Graphen aufzeichnet. Eine freie Karte genügt NICHT — acht Fehler in vier Läufen bei 18,7 GB freiem Speicher. Es hilft nur `--disable-cuda-graphs`, und das kostet Faktor neun: 15 Sekunden Musik brauchen dann 114 statt 13 Sekunden.
  • Es will die Karte für sich. Im Normalbetrieb halten sechs Dienste unserer GPU-Box so viel Speicher, dass Music 3 seinen 8-Mrd-Encoder auslagert — ein Rechenschritt dauerte dann 151 s statt 0,24 s. Dafür gibt es jetzt `scripts/gpu/music3.sh`, das die anderen Dienste anhält und zurückholt. Ein Modell, das erst ein Bühnenmanagement braucht, ist teurer als seine Rechenzeit.
  • Zwei Qualitäts-Regler sind Sackgassen: `cfg_scale` 1,7 → 3,0 kostet das 28-fache, `top_k` 50 → 10 das Zehnfache. Und die kleinere Fassung ist nicht die schnellere — der int8-Kern rechnete langsamer als fp16. Auf 24 GB gibt es keinen Grund, den Kern zu quantisieren.
  • Gegen ACE-Step 1.5 verliert es weiterhin, aber knapper als gedacht: 12 Sekunden für zwei Minuten Musik gegen 42 Minuten, jede Länge exakt getroffen gegen „nur mit Tags“, 10 von 10 fehlerfreien Läufen gegen 7 von 9 — und MIT gegen einen Vertrag mit Namensnennungspflicht.
  • Vorsicht bei der Lizenzangabe: Dieselben Gewichte liegen in drei Repos unter drei verschiedenen Feldern — das offizielle Repo setzt gar keins, die ComfyUI-Ausgabe steht als „apache-2.0“, die GGUF-Ausgabe als „creativeml-openrail-m“. Für die Gewichte gilt in allen drei Fällen die Community License.
Stärken
  • Trifft die bestellte Länge exakt — sofern die Vorgabe Struktur-Tags enthält.
  • Warm gerechnet kaum langsamer als Echtzeit (15 s Musik in ~13 s, mit Graphen).
  • Ganzes Lied bis 5 Minuten in einem Durchgang, strukturell zusammenhängend.
  • Feine Steuerung über dreigeteilte Beschreibung: Metadaten, Gesang, Arrangement.
  • Passt auf eine 24-GB-Karte; im Betrieb rund 7–14 GB.
  • Lizenz ohne Ländersperre, anders als bei MiniMax H3.
  • Singt Deutsch, obwohl es in keiner Quelle als Sprache genannt wird.
Grenzen
  • Läuft auf unserer Karte nur mit abgeschalteten CUDA-Graphen — Faktor 9 an Tempo.
  • Braucht die Karte allein; im Normalbetrieb der Box lagert es aus und wird unbrauchbar langsam.
  • 7 von 9 Läufen fehlerfrei; ACE-Step lieferte im selben Zeitraum 10 von 10.
  • 120 s Musik brauchen betriebssicher 42 Minuten — ACE-Step braucht 12 Sekunden.
  • Ohne Struktur-Tags bricht es lange Stücke ab: 49 s statt der bestellten 120 s.
  • „Community License“ ist nicht quelloffen: Namensnennungspflicht, Freigabe ab 20 Mio. USD Umsatz.
  • Die beste Fassung (fp32-Kern + bf16-Encoder, 28,3 GB) passt nicht auf eine 24-GB-Karte.
  • Trainingsbestand ohne Herkunftsnachweis — bei Musik das schärfere Problem.
Im Verein

Wo wir es einsetzen

  • Keiner — geprüft, gemessen und bewusst liegengelassen. Der Sidecar `mana-comfy-music3` steht auf der GPU-Box bereit (restart: no), belegt aber nichts.
Notizen

MiniMax Music 3 steht im Katalog, weil wir es geprüft, selbst gemessen und dann bewusst liegengelassen haben — nicht, weil wir es vom Hörensagen abgelehnt hätten.

Bei Ideogram war die Lizenz die Wand und die Hardware kein Problem. Bei H3 war es umgekehrt: Die Lizenz erlaubte es uns als Schweizer Verein, aber 384 GB verlangter Arbeitsspeicher taten es nicht. Bei Music 3 steht keins von beidem im Weg — die Lizenz hat gar keine Ländersperre, und vierzehn Gigabyte passen auf unsere Karte.

Es scheitert an einer dritten Stelle, und die stand in keiner Ankündigung: Auf unserer RTX 3090 bricht es reproduzierbar ab, weil ComfyUIs Vorausladen CUDA-Graphen aufzeichnet und dabei zerbricht. Eine freie Karte reicht nicht — erst das Abschalten der Graphen macht es zuverlässig, und das kostet Faktor neun. Damit rechnet es zwei Minuten Musik in 42 Minuten, wo ACE-Step zwölf Sekunden braucht.

Fair bleiben muss man trotzdem: Music 3 ist deutlich besser als seine eigenen Angaben. Es gibt 44,1 kHz aus statt der angegebenen 32, es trifft die bestellte Länge auf die Hundertstelsekunde, und es singt Deutsch, obwohl das nirgends dokumentiert ist. Was fehlt, ist ein Anlass — und ein Hörurteil.

Die lange Fassung mit allen Messwerten, den vier Messfallen, in die wir dabei gelaufen sind, und dem Vergleich in Tabellenform steht in der Recherche.

Belege

Quellen Dritter

Belegt durch

Womit das zusammenhängt

Modelle

Weitere Steckbriefe

Ein Steckbrief sagt, was ein Modell ist. Welches Modell eine konkrete Aufgabe gewinnt, entscheiden wir nicht aus dem Bauch, sondern messen es — Qualität gegen Kosten, pro Operation.

Alle Modelle → Messungen