AIREITERMiniMax M3.1 Flash open weights가 2026년 10월 23일 공개됐다. 다만 출시 분위기와 달리 현실적인 결론은 명확하다. 다운로드 가능한 428B 체크포인트이지만, 단일 GPU 환경에서 돌릴 모델은 아니다. MiniMaxAI/MiniMax-M3.1-Flash 리포지터리에는 승인 절차 없이 받을 수 있는 약 252GB 분량의 48개 샤드가 올라와 있다. 반면 MiniMax Community License는 상업 이용 시 출처 표기와 일회성 통지, 연 매출 $20M 초과 시 사전 승인을 요구한다.
252GB 체크포인트, 결론부터 말하면
MiniMax M3.1 Flash는 총 약 4,280억 개 파라미터 가운데 토큰당 약 230억 개를 활성화하는 네이티브 멀티모달 MoE 모델이다. 텍스트·이미지·비디오를 입력받아 텍스트를 생성하며, 컨텍스트 길이는 최대 1,000,000토큰이다. 전 구간에 MiniMax Sparse Attention을 적용했고 DSpark speculative-decoding draft head도 함께 제공한다. 가중치는 지금 Hugging Face와 ModelScope 미러에서 받을 수 있다. 하지만 여기서 ‘Flash’는 작은 모델이라는 뜻이 아니라 추론 경제성을 가리키며, ‘open weights’ 역시 오픈소스를 의미하지 않는다.
| 항목 | 확인된 값 |
|---|---|
| 총 / 활성 파라미터 | 총 ~428B, 토큰당 ~23B |
| 컨텍스트 윈도우 | 최대 1,000,000토큰 |
| 입력 / 출력 | 텍스트·이미지·비디오 입력, 텍스트 출력 |
| 체크포인트 크기 | ~252GB, safetensors 샤드 48개 + DSpark draft head |
| 양자화 | MXFP8 구성, routed MoE 경로는 NVFP4 |
| 추론 설정 | Temperature 1.0, top-p 0.95, reasoning_effort low / medium / high / xhigh / max |
| 서빙 레시피 | SGLang, vLLM, TokenSpeed, 멀티칩용 FlagOS |
| API 가격 | 입력 $0.15 / 출력 $0.60 / 캐시 $0.015, 모두 100만 토큰당 |
| 측정된 작업 비용 | 에이전트 작업당 ~$0.22 (TPS Report를 통한 Artificial Analysis) |
| 라이선스 | MiniMax Community License, 상업 이용은 조건부 |
여러 GPU를 운영할 인프라가 있는 팀, 또는 현재 API 비용보다 $0.15/$0.60 요금제가 유리한 에이전트 워크로드에는 맞을 수 있다. 반대로 노트북이나 소비자용 GPU 1장 환경에는 맞지 않는다. 필수 출처 표기를 넣을 수 없는 상업 제품도 마찬가지다. 내 판단은 이렇다. 우선 API부터 쓰고, 사용량이나 데이터 통제 요구가 하드웨어 투자를 정당화할 때만 셀프호스팅을 검토하는 편이 낫다.
공식 가중치 다운로드 전 확인할 것
공식 체크포인트는 Hugging Face의 MiniMaxAI/MiniMax-M3.1-Flash에 있다. MiniMax의 10월 23일 발표 게시물도 Hugging Face와 ModelScope 다운로드를 안내한다. alfw.ai의 가중치 공개 분석에 따르면 승인 게이트 없이 약 252GB를 내려받을 수 있으며, 48개 가중치 샤드와 별도 DSpark draft head, 토크나이저 및 설정 파일이 포함된다.
hf download MiniMaxAI/MiniMax-M3.1-Flash --local-dir MiniMax-M3.1-Flash
하드웨어 예산을 잡기 전에 리포지터리 페이지에서 세 가지를 직접 확인하자. 첫째, 부분 미러가 아니라 48개 샤드와 draft head가 모두 보이는지 확인한다. 둘째, 라이선스 필드가 MIT나 Apache가 아닌 minimax-community인지 본다. 애그리게이터 페이지에 남아 있는 오래된 사전 공개 라벨은 무시해도 된다. 셋째, 모델 카드의 경고를 기억해야 한다. 공개 점수는 공식 가중치 기준이며, 서드파티 양자화 모델은 다르게 동작할 수 있다. 따라서 이번 주에 떠도는 EXL3나 리패키지 파일은 기반 커밋을 명시하기 전까지 검증되지 않은 것으로 보는 편이 안전하다.
셀프호스팅 가능할까? 먼저 메모리부터 계산하자
토큰당 23B만 활성화된다고 해서 428B 모델이 작아지는 것은 아니다. ‘로컬에서 돌릴 수 있나’라는 논의가 가장 자주 틀리는 지점도 여기다. 활성 파라미터는 토큰당 추론 비용을 결정하지만, 저장하고 메모리에 올려야 하는 용량은 총 파라미터가 결정한다. BF16에서는 4,280억 파라미터에 바이트당 2를 곱하면 가중치만 약 856GB가 필요하다. 일반적인 4비트 표현으로도 약 214GB다. 실제 252GB 리포지터리는 학습된 양자화 레이아웃과 토크나이저, 설정, draft-head 파일을 반영한 크기이며 런타임 버퍼와 KV 캐시는 아직 포함되지 않았다.
"MiniMax-M3.1-Flash open weights are now LIVE 🔥🔥 428B params, 23B active." — @MiaAI_lab, 약 252GB 다운로드와 TensorFold 레시피, EXL3 양자화 작업을 언급하며
팀 단위에서도 하드웨어 진입선은 높다. @perry_weijie는 개인용 머신으로는 사실상 실행할 수 없으며, 여분의 GPU 카드를 보유한 팀에 셀프 구축이 맞는다고 짚었다. 내가 확인한 day-0 구동 측정 사례는 @majewskizby의 4x DGX Spark 기반 TP4다. NVFP4/MXFP8 경로와 Triton sparse attention에서 262K 컨텍스트 기준 일반 텍스트 디코드는 약 39.7 tok/s, 구조화된 디코드는 62.2 tok/s를 보고했다. 벤더 슬라이드가 아닌 day-0 측정치라는 점은 의미가 있지만, 여전히 고성능 노드 4대가 함께 동작하는 구성을 전제한다.
현실적인 배포 경로는 수고가 적은 순서로 다음과 같다.
- SGLang: 모델 카드에 연결된 cookbook을 사용한다. Docker 패턴에는
--shm-size 32g, 포트 30000, HF 캐시 마운트가 포함된다. - vLLM: 연결된 레시피를 따른다. 카드 예시에서는 포트 8000에서
vllm serve를 실행한다. - TokenSpeed: 효율 중심 경로를 위한 연결된 레시피를 사용한다.
- FlagOS: 멀티칩 배포용이다.
이미 두 가지 설정 함정이 보인다. reasoning effort 기본값은 maximum이다. low부터 max까지의 제어값을 건드리지 않으면 비용과 지연 시간이 불필요하게 커질 수 있다. minimax-m31flash.org의 독립 설정 노트는 에이전트 통합에서 흔한 실패 사례도 정리한다. 긴 컨텍스트에 맞지 않는 모델 suffix, 설정 파일을 덮어쓰는 환경 변수, 너무 오래된 Codex 최소 버전, 폐기된 preview 모델 이름 등이 그것이다. Transformers, KTransformers, unsloth, ATOM 통합은 모델 카드에서 진행 중으로 표시됐으므로 이를 전제로 계획하기 전 상태를 확인해야 한다. alfw.ai는 발표된 호환 범위로 칩 제조사 10곳과 클라우드 6곳을 언급하지만, 실제 비용을 지불하는 제공업체의 카탈로그에 모델이 표시되기 전까지는 호환성 발표로만 받아들이는 것이 좋다.
API와 셀프호스팅, 작업당 비용으로 판단하기
토큰 단가만 보고 결정하면 오판하기 쉽다. 에이전트 작업에서는 reasoning token과 캐시 동작의 비중이 크기 때문이다. MiniMax의 고정 API 요금은 입력 100만 토큰당 $0.15, 출력 $0.60, 캐시된 입력 $0.015다. minimax-m31flash.org에 따르면 입력이 512K 토큰을 넘으면 가격이 두 배가 되는 MiniMax M3와 달리 장문 컨텍스트 구간의 추가 요금도 없다. Artificial Analysis는 같은 스위트에서 M3.1 Flash의 작업당 비용을 약 $0.22로 측정했고, DeepSeek V4.1 Flash 1017은 $0.26이었다. 출력 토큰 수도 각각 189M과 224M으로, 단순 가격 인하보다 효율적인 추론에서 나온 약 15%의 작업 비용 우위로 볼 수 있다.
| 방식 | 잘 맞는 경우 | 주의할 점 |
|---|---|---|
MiniMax API (api.minimax.io, minimax-m31flash.org 기준 Anthropic/OpenAI 호환) | 코딩 에이전트, 가변 부하, 하드웨어 없이 1M 컨텍스트 작업 | 기본 reasoning effort는 max이며, 캐싱과 서비스 티어 설정이 실제 비용을 좌우한다 |
| M Plan 구독 (minimax-m31flash.org 기준 Go / Explore / Build 티어) | MiniMax Code 안에서 예측 가능한 코딩 어시스턴트 사용 | 일반적인 월간 토큰 묶음이 아니라 윈도우 기반 제한이므로 예산 전 달러 가격을 확인해야 한다 |
| 셀프호스팅 (SGLang / vLLM / TokenSpeed, 멀티칩 FlagOS) | 지속적으로 높은 사용량, 데이터 통제 요구, 파인튜닝 베이스 | 252GB 다운로드, 장문 컨텍스트에서의 멀티 GPU 메모리와 KV 캐시, 검증된 최소 사양 부재 |
무엇을 다운로드하기 전에 자기 워크로드부터 계산하자. 월간 입력·출력 비중에 실제 캐시 적중률을 반영해 $0.15/$0.60을 곱하고, 예약 GPU 비용과 엔지니어링 시간을 비교하면 된다. 지속적인 대규모 사용량에 이르기 전까지는 대체로 API가 이 계산에서 유리하다. 월간 API 비용이 감가상각된 클러스터 비용을 넘거나, 가중치를 반드시 내부 경계 안에 둬야 한다면 셀프호스팅이 유리해질 수 있다.
벤치마크는 측정 주체를 나눠서 봐야 한다
| 벤치마크 | M3.1 Flash | 인용 표의 최고 경쟁 모델 | 출처 |
|---|---|---|---|
| Automation-Bench v1.0.6 | 62.8 | 60.5 DeepSeek V4.1 Flash-1017 | MiniMax 카드 (벤더) |
| BankerToolBench | 76.2 | 76.2 Opus 5 (동점) | MiniMax 카드 (벤더) |
| LOCA-Bench 256K | 60.3 | 60.0 GPT-5.6 Sol | MiniMax 카드 (벤더) |
| OSWorld 2.0 | 61.7 | 70.6 Opus 5 | MiniMax 카드 (벤더) |
| CyberGym | 82.2 | 84.5 GLM-5.3 | MiniMax 카드 (벤더) |
| DeepSWE v1.1 | 73.7 | 77.0 DeepSeek V4.1 Flash-1017 | MiniMax 카드 (벤더) |
| Vals Index | 53.78% (26개 중 16위) | MiMo V2.6 Flash 54.83% (출시 시점) | Vals AI (독립) |
| Intelligence Index | 42 | 45 DeepSeek V4.1 Flash 1017 | TPS Report를 통한 Artificial Analysis (독립) |
| LMArena WebDev | 1587.48 | 순위권 필드 | VectorWire (10개 중 유일하게 독립 검증됨) |
MiniMax 카드는 벤치마크별 하니스도 공개한다. 예를 들어 BankerToolBench는 OpenCode 1.17.18에서 MiniMax-M2.7을 심사 모델로 사용했고, CyberGym은 Claude Code 2.1.263과 1M 컨텍스트에서 측정했다. 이는 대부분의 출시 게시물보다 투명한 편이지만, 점수 자체는 여전히 벤더 보고치다. 독립 평가의 결론은 더 제한적이다. Vals AI는 M3 대비 Vibe Code Bench가 26.37포인트 올랐다고 보면서도, 자체 하니스에서 장기 작업 취약점도 지적했다. Terminal-Bench는 25.25%, HLAB-Vals는 7.50%였다. Artificial Analysis는 해당 벤치마크에서 56%의 높은 omniscience accuracy와 93%의 환각률을 함께 제시했다. VectorWire는 어떤 역량도 순위를 매기기에 근거가 부족하다고 평가한다. 이 환각률은 검색 증강, 컴플라이언스, 고객 응대 답변에 검증 단계를 넣어야 한다는 경고로 받아들일 만하다.
상업 이용을 가르는 라이선스 조건
가중치를 다운로드할 수 있다고 해서 MiniMax Community License가 제한 없는 오픈소스 라이선스인 것은 아니다. 라이선스의 기본 허가는 비상업적 이용을 중심으로 하며, 상업적 이용에는 조건이 붙는다. 제품이나 서비스에 "Built with MiniMax M3.1-Flash"를 눈에 띄게 표시해야 하고, MiniMax에 일회성 통지를 보내야 하며, 연간 매출이 $20M을 넘는 경우 MiniMax의 사전 서면 승인이 필요하다. 상업적 이용의 정의는 유료 호스팅 액세스, 모델 API, 파인튜닝, 수정된 파생 모델까지 포괄할 정도로 넓다. 군사적 이용과 의도적으로 해롭거나 거짓 또는 오해를 부르는 정보를 생성하는 행위는 금지된다. alfw.ai의 라이선스 분석은 이 모델 라이선스에 지역 제한이 없다고 봤다. 다만 이는 MiniMax FAQ가 아닌 제3자 분석이므로, 출시 전에는 법률 자문을 통해 확인해야 한다. 분류하자면 오픈 웨이트이며 오픈소스는 아니다.
FAQ
MiniMax M3.1 Flash 가중치는 실제로 다운로드할 수 있나?
그렇다. MiniMaxAI/MiniMax-M3.1-Flash는 2026년 10월 23일 Hugging Face에 약 252GB 파일과 함께 승인 게이트 없이 올라왔으며, ModelScope 미러도 제공된다.
공식 Hugging Face 리포지터리는 어디인가?
MiniMaxAI/MiniMax-M3.1-Flash다. safetensors 샤드 48개, DSpark draft head, 토크나이저와 설정 파일이 있으며 라이선스 태그는 minimax-community다. hf download MiniMaxAI/MiniMax-M3.1-Flash --local-dir MiniMax-M3.1-Flash를 사용하면 된다.
M3.1 Flash를 상업적으로 사용할 수 있나?
조건부로 가능하다. "Built with MiniMax M3.1-Flash"를 표시하고 일회성 통지를 보내야 하며, 연 매출 $20M 초과 시 사전 서면 승인을 받아야 한다. 파인튜닝과 호스팅 API도 상업 이용에 해당한다.
소비자용 GPU나 Apple Silicon에서 실행할 수 있나?
이 글에서 검증된 단일 소비자 GPU 또는 Apple Silicon 배포 사례는 없다. 전체 체크포인트는 약 252GB이고 BF16 계산상 가중치만 약 856GB가 필요하므로, 일반적인 GPU 메모리 구성으로는 불가능하다. 멀티 GPU 서버나 클라우드 제공업체를 예상해야 하며, 여기서 인용한 day-zero 실행은 4x DGX Spark를 사용했다.
vLLM, SGLang, TokenSpeed에서 작동하나?
그렇다. 모델 카드가 연결한 공식 레시피를 통해 사용할 수 있다. 권장 경로는 SGLang과 vLLM이며, TokenSpeed는 세 번째 레시피다. FlagOS는 멀티칩 배포를 지원한다. Transformers 계열 통합은 공개 당시 아직 진행 중이었다.
DeepSeek V4.1 Flash와 비교하면 어떤가?
작업당 비용은 더 낮다. AA 스위트에서 약 $0.22로, 약 $0.26인 DeepSeek V4.1 Flash보다 저렴했다. 그 시점의 HLE 및 omniscience accuracy도 더 높았다. 그러나 종합 Intelligence Index에서는 42 대 45로 뒤졌고, DeepSWE도 1017 빌드 기준 73.7 대 77.0으로 낮았다. 비용 효율적인 에이전트 코딩이 목적이라면 작업 배치 테스트를 해볼 가치는 있다. 반대로 종합 지수와 DeepSWE가 중요한 환경이라면 자체 작업에서 DeepSeek도 검증해야 한다. 다음 단계는 간단하다. 기본 max reasoning effort를 원하는 설정으로 바꾼 뒤 유료 API 작업 배치 하나를 실행하고, 그 다음에 다운로드할 가치가 있는지 결정하면 된다.