MiniMax M3.1 Flash Open Weights : téléchargement, exécution et coûts

MiniMax M3.1 Flash open weights est disponible depuis le 23 octobre 2026. Au-delà du bruit de lancement, le constat pratique est simple : il s'agit d'un checkpoint téléchargeable de 428B que quasiment aucune configuration à GPU unique ne devrait tenter d'exécuter. Le dépôt MiniMaxAI/MiniMax-M3.1-Flash contient environ 252 Go répartis en 48 shards, sans validation d'accès, mais la MiniMax Community License soumet toujours l'usage commercial à une attribution, une notification unique et une autorisation préalable au-delà de 20 M$ de revenus annuels.

Le checkpoint de 252 Go : le verdict

MiniMax M3.1 Flash est un modèle multimodal natif de type mixture-of-experts : environ 428 milliards de paramètres au total, dont près de 23 milliards activés par token. Il prend en charge les entrées texte, image et vidéo, produit du texte et monte jusqu'à 1 000 000 de tokens de contexte. Il intègre MiniMax Sparse Attention de bout en bout ainsi qu'une tête de brouillon DSpark pour le décodage spéculatif. Les poids sont téléchargeables dès aujourd'hui sur Hugging Face et via un miroir ModelScope. Mais « Flash » renvoie à l'économie de l'inférence, pas à un modèle compact ; et « open weights » ne signifie pas open source.

Le modèle peut convenir aux équipes disposant d'une infrastructure multi-GPU, ainsi qu'aux charges agentiques pour lesquelles l'API à 0,15 $/0,60 $ réduit déjà la facture actuelle. En revanche, il ne convient ni aux portables ni aux configurations à GPU grand public unique, ni aux produits commerciaux incapables d'afficher la mention d'attribution exigée. Mon avis : commencez par l'API ; n'auto-hébergez que si les volumes ou le besoin de maîtrise des données justifient le matériel.

Télécharger et contrôler les poids officiels

Le checkpoint officiel se trouve sur Hugging Face, dans MiniMaxAI/MiniMax-M3.1-Flash. Le post d'annonce de MiniMax du 23 octobre renvoie aux téléchargements Hugging Face et ModelScope. D'après l'analyse de la publication des poids par alfw.ai, le téléchargement pèse environ 252 Go et ne comporte aucun gate : 48 shards de poids, une tête de brouillon DSpark séparée, le tokenizer et les fichiers de configuration.

hf download MiniMaxAI/MiniMax-M3.1-Flash --local-dir MiniMax-M3.1-Flash

Avant même de chiffrer le matériel, vérifiez trois points directement sur la page du dépôt. D'abord, assurez-vous que la liste de fichiers comporte bien les 48 shards et la tête de brouillon, et non un miroir incomplet. Ensuite, vérifiez que le champ de licence indique minimax-community, et non MIT ou Apache ; ignorez les étiquettes de préversion obsolètes sur les agrégateurs. Enfin, gardez à l'esprit l'avertissement de la carte : les scores publiés concernent les poids officiels, tandis que les quantifications tierces peuvent se comporter différemment. Tout EXL3 ou repack diffusé cette semaine doit donc être considéré comme non vérifié tant que son commit de base n'est pas identifié.

Auto-hébergement : calculez d'abord la mémoire nécessaire

Un modèle de 428B ne devient pas petit parce que seuls 23B paramètres sont activés par token : c'est là que se trompent la plupart des discussions sur l'exécution locale. Les paramètres actifs déterminent le coût d'inférence par token ; les paramètres totaux déterminent ce qu'il faut stocker et conserver en mémoire. En BF16, 428 milliards de paramètres à 2 octets représentent environ 856 Go de poids à eux seuls. Une représentation générique en 4 bits implique environ 214 Go. Les 252 Go du dépôt correspondent à sa disposition quantifiée entraînée, avec le tokenizer, la configuration et la tête de brouillon, sans compter les buffers d'exécution ni le cache KV.

« MiniMax-M3.1-Flash open weights are now LIVE 🔥🔥 428B params, 23B active. » — @MiaAI_lab, qui mentionne le téléchargement d'environ 252 Go, ainsi qu'une recette TensorFold et des travaux de quantification EXL3

Le seuil matériel reste élevé, y compris pour les équipes. @perry_weijie estime que les machines personnelles ne peuvent pratiquement pas l'exécuter et que les installations maison visent plutôt les équipes ayant des cartes disponibles. Une mise en route mesurée au jour 0, TP4 sur 4x DGX Spark par @majewskizby, rapportait environ 39,7 tok/s en décodage de prose et 62,2 tok/s en décodage structuré, à 262K de contexte, avec les chemins NVFP4/MXFP8 et l'attention creuse Triton. Il s'agit d'une mesure du jour de lancement, pas d'une slide constructeur, et elle suppose malgré tout que quatre nœuds haut de gamme fonctionnent ensemble.

Les options réalistes, de la plus directe à la plus exigeante :

• SGLang avec le cookbook associé, dont le modèle Docker de la carte du modèle (--shm-size 32g, port 30000, montage du cache HF).
• vLLM avec la recette liée (vllm serve sur le port 8000 dans l'exemple de la carte).
• TokenSpeed et sa recette associée pour une voie axée sur l'efficacité.
• FlagOS pour le déploiement multi-puce.

Deux pièges de configuration se présentent déjà. L'effort de raisonnement est réglé par défaut sur le maximum, ce qui gonfle coût et latence si vous ne modifiez jamais le paramètre low à max. Les notes d'installation indépendantes de minimax-m31flash.org recensent aussi les échecs classiques d'intégration d'agents : mauvais suffixe de modèle pour le contexte long, variables d'environnement qui écrasent les fichiers de configuration, versions minimales de Codex obsolètes et noms de modèles preview retirés. Les intégrations Transformers, KTransformers, unsloth et ATOM étaient indiquées comme en cours dans la carte ; vérifiez donc leur état avant d'en dépendre. alfw.ai recense une compatibilité annoncée avec 10 fabricants de puces et six clouds, mais considérez cela comme des annonces de compatibilité tant que le catalogue du fournisseur que vous payez réellement ne propose pas le modèle.

API ou auto-hébergement : raisonnez en coût par tâche

Les tarifs au token ne suffisent pas à trancher, car le travail agentique dépend surtout des tokens de raisonnement et du comportement du cache. L'API à tarif fixe de MiniMax coûte 0,15 $ par million de tokens en entrée, 0,60 $ en sortie et 0,015 $ pour l'entrée mise en cache, sans palier pour les contextes longs. À l'inverse, MiniMax M3 double au-delà de 512K tokens d'entrée selon minimax-m31flash.org. Artificial Analysis a mesuré environ 0,22 $ par tâche pour M3.1 Flash, contre 0,26 $ pour DeepSeek V4.1 Flash 1017 dans la même suite, avec respectivement 189M et 224M de tokens de sortie. Cela représente un avantage d'environ 15 % sur le coût par tâche, lié à un raisonnement plus efficient plutôt qu'à une simple baisse tarifaire.

Faites le calcul sur votre propre charge avant de télécharger quoi que ce soit : appliquez le ratio mensuel entrée/sortie à 0,15 $/0,60 $, avec votre véritable taux de cache, puis comparez au coût des GPU réservés et au temps d'ingénierie. Sous un volume élevé et soutenu, l'API l'emporte généralement sur cette équation ; l'auto-hébergement peut devenir intéressant lorsque la facture API mensuelle dépasse le coût amorti du cluster, ou lorsque les poids doivent rester dans votre périmètre.

Benchmarks : distinguer les mesures selon leur source

La carte MiniMax documente les harnesses utilisés pour chaque benchmark — BankerToolBench sur OpenCode 1.17.18 avec MiniMax-M2.7 comme juge ; CyberGym sur Claude Code 2.1.263 avec 1M de contexte —, ce qui est plus transparent que la plupart des annonces de lancement. Ces scores restent toutefois déclarés par l'éditeur. Les lectures indépendantes sont plus nuancées : Vals AI relève un gain de 26.37 points au Vibe Code Bench face à M3, mais signale des faiblesses sur les horizons longs — Terminal-Bench 25.25 %, HLAB-Vals 7.50 % dans son harness. Artificial Analysis associe une forte précision d'omniscience de 56 % à un taux d'hallucination de 93 % dans ce benchmark, et VectorWire juge les éléments disponibles trop limités pour classer la moindre capacité. Ce taux d'hallucination doit inciter à ajouter des mécanismes de vérification pour la recherche, la conformité et les réponses destinées aux clients.

Les conditions de licence qui encadrent l'usage commercial

Les poids sont téléchargeables, mais la MiniMax Community License n'est pas une licence open source sans restriction. La licence est formulée autour de l'usage non commercial, l'usage commercial n'étant autorisé que sous conditions : les produits ou services doivent afficher de manière visible « Built with MiniMax M3.1-Flash », l'utilisateur doit adresser une notification unique à MiniMax et toute activité générant plus de 20 M$ de revenus annuels doit obtenir l'autorisation écrite préalable de MiniMax. La définition de l'usage commercial est suffisamment large pour inclure l'accès hébergé payant, les API de modèles, les fine-tunes et les dérivés modifiés. Les usages militaires ainsi que la génération intentionnelle d'informations fausses, trompeuses ou nuisibles sont interdits. L'analyse de licence d'alfw.ai n'a relevé aucune restriction territoriale dans la licence de ce modèle, mais cette interprétation provient d'une analyse tierce et non d'une FAQ MiniMax : validez-la avec vos conseils juridiques avant toute mise en production. Classification : open weights, pas open source.

FAQ

Les poids de MiniMax M3.1 Flash sont-ils réellement téléchargeables ?

Oui. MiniMaxAI/MiniMax-M3.1-Flash est apparu sur Hugging Face le 23 octobre 2026, avec environ 252 Go de fichiers et sans validation d'accès, ainsi qu'un miroir ModelScope.

Quel est le dépôt Hugging Face officiel ?

MiniMaxAI/MiniMax-M3.1-Flash : 48 shards safetensors, une tête de brouillon DSpark, le tokenizer et la configuration, sous licence minimax-community. Utilisez hf download MiniMaxAI/MiniMax-M3.1-Flash --local-dir MiniMax-M3.1-Flash.

Puis-je utiliser M3.1 Flash à des fins commerciales ?

Oui, sous conditions. Affichez « Built with MiniMax M3.1-Flash », envoyez la notification unique et obtenez une autorisation écrite préalable au-delà de 20 M$ de revenus annuels. Les fine-tunes et les API hébergées sont considérés comme des usages commerciaux.

Peut-il fonctionner sur un GPU grand public ou sur Apple Silicon ?

Aucun déploiement validé sur un GPU grand public unique ou sur Apple Silicon n'est cité ici : le checkpoint complet fait ~252 Go et le calcul BF16 implique environ 856 Go de poids à lui seul, ce qui exclut les configurations ordinaires de mémoire GPU. Attendez-vous à des serveurs multi-GPU ou à un fournisseur cloud ; l'exécution mesurée au jour 0 citée ici utilisait 4x DGX Spark.

Fonctionne-t-il avec vLLM, SGLang ou TokenSpeed ?

Oui, via les recettes officielles liées depuis la carte du modèle. SGLang et vLLM sont les voies recommandées, et TokenSpeed constitue la troisième recette. FlagOS couvre le déploiement multi-puce. Les intégrations de la famille Transformers étaient encore en cours au lancement.

Comment se compare-t-il à DeepSeek V4.1 Flash ?

Il est moins cher par tâche (~0,22 $ contre ~0,26 $ dans la suite AA), avec une meilleure précision HLE et d'omniscience dans cet instantané, mais il reste derrière sur l'Intelligence Index agrégé (42 contre 45) et sur DeepSWE (73.7 contre 77.0 pour le build 1017). Pour du code agentique à coût maîtrisé, il mérite un test par lot de tâches ; si l'index agrégé et DeepSWE sont déterminants, validez DeepSeek sur vos propres tâches. Étape suivante : exécutez un lot de tâches API payant en remplaçant l'effort de raisonnement maximal par défaut par votre réglage, puis décidez si le téléchargement en vaut la peine.