MiniMax M3.1 Flash Open Weights: download, requisiti e costi

I pesi open di MiniMax M3.1 Flash sono arrivati il 23 ottobre 2026, ma il dato che conta va oltre l'entusiasmo del lancio: è un checkpoint scaricabile da 428B che non ha senso tentare di eseguire su quasi nessuna configurazione a GPU singola. Il repository MiniMaxAI/MiniMax-M3.1-Flash mette a disposizione circa 252 GB divisi in 48 shard, senza approvazione preventiva; la MiniMax Community License, però, vincola l'uso commerciale ad attribuzione, notifica una tantum e autorizzazione preventiva oltre $20M di ricavi annuali.

Checkpoint da 252 GB: il verdetto in breve

MiniMax M3.1 Flash è un modello multimodale nativo mixture-of-experts, con circa 428 miliardi di parametri complessivi e approssimativamente 23 miliardi attivati per token. Accetta testo, immagini e video come input, genera testo e arriva fino a 1.000.000 di token di contesto. Integra MiniMax Sparse Attention e include una draft head DSpark per lo speculative decoding. I pesi sono già scaricabili da Hugging Face e da un mirror su ModelScope, ma “Flash” riguarda l'economia dell'inferenza, non le dimensioni del modello; allo stesso modo, “open weights” non equivale a open source.

È adatto ai team già attrezzati con infrastruttura multi-GPU e ai carichi agentici per cui l'API a $0.15/$0.60 migliora già la spesa attuale. Non lo è per laptop, configurazioni con una sola GPU consumer o prodotti commerciali che non possono riportare la riga di attribuzione richiesta. La mia lettura è semplice: partire dall'API e passare al self-hosting solo quando i volumi o il controllo dei dati giustificano l'hardware.

Dove scaricare i pesi ufficiali e cosa controllare

Il checkpoint ufficiale è pubblicato su Hugging Face come MiniMaxAI/MiniMax-M3.1-Flash; il post di annuncio di MiniMax del 23 ottobre rimanda ai download di Hugging Face e ModelScope. Secondo l'analisi del rilascio dei pesi di alfw.ai, il payload è di circa 252 GB e non richiede alcun gate di download: 48 shard dei pesi, una draft head DSpark separata, tokenizer e file di configurazione.

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

Prima di dimensionare l'hardware, nella pagina del repository conviene verificare tre elementi. Primo: l'elenco dei file deve includere tutti i 48 shard e la draft head, non un mirror parziale. Secondo: il campo licenza deve indicare minimax-community, non MIT o Apache; ignorate le vecchie etichette pre-release presenti negli aggregatori. Terzo: ricordate l'avvertenza della model card stessa. I punteggi pubblicati riguardano i pesi ufficiali e le quantizzazioni di terze parti possono comportarsi diversamente: qualsiasi EXL3 o repack comparso questa settimana va considerato non verificato finché non dichiara il commit di base.

Self-hosting: prima fate i conti dell'hardware

Un modello da 428B non diventa piccolo solo perché attiva 23B parametri per token: è qui che sbagliano molte discussioni sul “posso eseguirlo in locale?”. I parametri attivi determinano il costo di inferenza per token; quelli totali definiscono quanto bisogna archiviare e mantenere in memoria. A BF16, 428 miliardi di parametri per 2 byte significano circa 856 GB di soli pesi; una generica rappresentazione a 4 bit richiede invece all'incirca 214 GB. I 252 GB effettivi del repository riflettono il layout quantizzato con cui è stato addestrato, oltre a tokenizer, configurazione e file della draft head, ma prima dei buffer runtime e della KV cache.

"MiniMax-M3.1-Flash open weights are now LIVE 🔥🔥 428B params, 23B active." — @MiaAI_lab, con riferimento al download da ~252 GB, a una ricetta TensorFold e al lavoro sulla quantizzazione EXL3

La soglia hardware resta elevata anche per i team. @perry_weijie osserva che le macchine personali non possono sostanzialmente eseguirlo e che le installazioni autonome sono realistiche per team con GPU libere. Un test day-0 che ho trovato, TP4 su 4x DGX Spark di @majewskizby, riporta circa 39.7 tok/s nel decoding di prosa e 62.2 tok/s in quello strutturato, con contesto a 262K, percorsi NVFP4/MXFP8 e sparse attention Triton. È un dato misurato al day-0, non una slide del fornitore, ma richiede comunque quattro nodi di fascia alta in funzione congiunta.

I percorsi realistici, in ordine di impegno:

• SGLang con il cookbook collegato, inclusa la configurazione Docker della model card (--shm-size 32g, porta 30000 e mount della cache HF).
• vLLM con la ricetta collegata (vllm serve sulla porta 8000 nell'esempio della card).
• TokenSpeed con la relativa ricetta, per il percorso orientato all'efficienza.
• FlagOS per il deployment multi-chip.

Ci sono già due insidie concrete nella configurazione. Il livello di reasoning effort predefinito è maximum: se non intervenite sul controllo da low a max, aumenterà costi e latenza. Le note di setup indipendenti di minimax-m31flash.org segnalano inoltre gli errori classici nelle integrazioni agentiche: suffisso del modello sbagliato per il contesto lungo, variabili d'ambiente che sovrascrivono i file di configurazione, versioni minime di Codex obsolete e nomi di modelli preview ritirati. Al rilascio, le integrazioni con Transformers, KTransformers, unsloth e ATOM erano indicate come in corso: verificate lo stato prima di basarci una pianificazione. alfw.ai riporta la compatibilità annunciata con 10 produttori di chip e sei cloud, ma consideratela un annuncio di compatibilità finché il catalogo del provider che pagate non mostra davvero il modello.

API o self-hosting: decidere in base al costo per task

Guardare solo il prezzo per token può trarre in inganno, perché nei carichi agentici pesano soprattutto i token di reasoning e il comportamento della cache. L'API flat di MiniMax costa $0.15 per milione di token in input, $0.60 in output e $0.015 per input in cache, senza scatti per il contesto lungo; MiniMax M3, invece, raddoppia oltre 512K token di input secondo minimax-m31flash.org. Artificial Analysis ha misurato circa $0.22 per task per M3.1 Flash, contro $0.26 per DeepSeek V4.1 Flash 1017 nella stessa suite, con rispettivamente 189M e 224M token di output: un vantaggio di costo per task di circa il 15%, dovuto a un reasoning più efficiente e non a un semplice taglio dei prezzi.

Fate i calcoli sul vostro carico prima di scaricare qualsiasi cosa: moltiplicate la ripartizione mensile input/output per $0.15/$0.60, applicando il vostro tasso reale di cache hit, e confrontate il risultato con il costo delle GPU riservate più il tempo di engineering. Sotto volumi elevati e continuativi, nella maggior parte dei casi l'API tende a vincere; il self-hosting può convenire quando la spesa API mensile supera il costo ammortizzato del cluster o quando i pesi devono restare entro il vostro perimetro.

Benchmark: separare i dati del fornitore da quelli indipendenti

La card MiniMax documenta gli harness per ciascun benchmark, ad esempio BankerToolBench su OpenCode 1.17.18 con MiniMax-M2.7 come giudice e CyberGym su Claude Code 2.1.263 a 1M di contesto. È un livello di trasparenza superiore a quello della maggior parte dei post di lancio, ma i punteggi rimangono dichiarati dal fornitore. Le valutazioni indipendenti sono più caute: Vals AI rileva un incremento di 26.37 punti nel Vibe Code Bench rispetto a M3, ma evidenzia limiti nei compiti a lungo orizzonte, con Terminal-Bench al 25.25% e HLAB-Vals al 7.50% nel proprio harness. Artificial Analysis abbina una buona accuratezza omniscience del 56% a un tasso di allucinazioni del 93% in quel benchmark, mentre VectorWire giudica le evidenze troppo scarse per classificare qualsiasi capacità. Quel tasso di allucinazioni è un segnale per aggiungere verifiche nei flussi di retrieval, compliance e risposte rivolte ai clienti.

La licenza: cosa cambia per l'uso commerciale

I pesi sono scaricabili, ma la MiniMax Community License non è una licenza open source senza restrizioni. La concessione è impostata sull'uso non commerciale; quello commerciale è ammesso solo a determinate condizioni: prodotti o servizi devono mostrare in modo evidente "Built with MiniMax M3.1-Flash", l'utente deve inviare una notifica una tantum a MiniMax e ogni attività che genera oltre $20M di ricavi annuali necessita dell'autorizzazione scritta preventiva di MiniMax. La definizione di uso commerciale è sufficientemente ampia da includere accesso hosted a pagamento, API del modello, fine-tune e derivati modificati. Sono vietati gli usi militari e la generazione intenzionale di informazioni false o fuorvianti dannose. L'analisi della licenza di alfw.ai non rileva restrizioni territoriali nella licenza di questo modello, ma è una lettura di terze parti e non una FAQ di MiniMax: prima della distribuzione, confermate con il vostro consulente legale. Classificazione: open weights, non open source.

FAQ

I pesi di MiniMax M3.1 Flash sono davvero scaricabili?

Sì. MiniMaxAI/MiniMax-M3.1-Flash è comparso su Hugging Face il 23 ottobre 2026 con circa 252 GB di file, senza gate di approvazione, oltre a un mirror su ModelScope.

Qual è il repository Hugging Face ufficiale?

MiniMaxAI/MiniMax-M3.1-Flash: 48 shard safetensors, draft head DSpark, tokenizer e configurazione, con licenza etichettata minimax-community. Usate hf download MiniMaxAI/MiniMax-M3.1-Flash --local-dir MiniMax-M3.1-Flash.

Posso usare M3.1 Flash a fini commerciali?

Sì, a condizioni specifiche. Dovete mostrare "Built with MiniMax M3.1-Flash", inviare la notifica una tantum e ottenere autorizzazione scritta preventiva oltre $20M di ricavi annuali. Anche fine-tune e API hosted sono considerati uso commerciale.

Può girare su una GPU consumer o su Apple Silicon?

Non viene citato qui alcun deployment validato su una sola GPU consumer o Apple Silicon: il checkpoint completo pesa ~252 GB e il calcolo BF16 implica circa ~856 GB di soli pesi, escludendo le normali configurazioni di memoria GPU. Servono server multi-GPU o un cloud provider; il test day-zero qui citato ha usato 4x DGX Spark.

Funziona con vLLM, SGLang o TokenSpeed?

Sì, tramite le ricette ufficiali collegate nella model card. SGLang e vLLM sono i percorsi consigliati, mentre TokenSpeed è la terza ricetta. FlagOS copre il deployment multi-chip. Al rilascio, le integrazioni della famiglia Transformers erano ancora in corso.

Come si confronta con DeepSeek V4.1 Flash?

Costa meno per task (~$0.22 contro ~$0.26 nella suite AA) e in quella fotografia mostra HLE e accuratezza omniscience superiori, ma resta indietro nell'Intelligence Index aggregato (42 contro 45) e in DeepSWE (73.7 contro 77.0 per la build 1017). Per il coding agentico attento ai costi vale un test su un batch di task; quando contano l'indice aggregato e DeepSWE, validate DeepSeek sui vostri task. Passo successivo: eseguite un batch di task API a pagamento cambiando il reasoning effort massimo predefinito con l'impostazione desiderata, poi decidete se il download vale la pena.