AIREITERMiniMax M3.1 Flash 开放权重于 2026 年 10 月 23 日上线。比起发布时的热度，更值得关注的是一个现实：这是可下载的 428B 检查点，但几乎不适合任何单 GPU 环境直接运行。MiniMaxAI/MiniMax-M3.1-Flash 仓库包含约 252 GB、分为 48 个分片的文件，无需申请访问权限；不过，MiniMax Community License 对商业使用仍设有条件，包括署名、一次性通知，以及年收入超过 $20M 时必须事先获得授权。
252 GB 的 MiniMax M3.1 Flash，结论先说
MiniMax M3.1 Flash 是原生多模态 MoE 模型，总参数量约 4280 亿，每个 token 激活约 230 亿参数。它支持文本、图像和视频输入，输出为文本；上下文窗口最高可达 1,000,000 token，全程采用 MiniMax Sparse Attention，并附带 DSpark 推测解码草稿头。权重目前可通过 Hugging Face 和 ModelScope 镜像下载。但要注意，“Flash”说的是推理经济性，并不代表模型体积小；“开放权重”也不等同于开源。
| 项目 | 已核实信息 |
|---|---|
| 总参数 / 激活参数 | 总计约 428B，每 token 约激活 23B |
| 上下文窗口 | 最高 1,000,000 token |
| 输入 / 输出 | 文本、图像、视频输入；文本输出 |
| 检查点体积 | 约 252 GB，48 个 safetensors 分片 + DSpark 草稿头 |
| 量化方式 | MXFP8 配置；路由 MoE 路径采用 NVFP4 |
| 推理设置 | Temperature 1.0、top-p 0.95、reasoning_effort 可选 low / medium / high / xhigh / max |
| 服务部署方案 | SGLang、vLLM、TokenSpeed；多芯片部署使用 FlagOS |
| API 价格 | 每 1M token：输入 $0.15 / 输出 $0.60 / 缓存 $0.015 |
| 实测任务成本 | 每个 Agent 任务约 $0.22（Artificial Analysis via TPS Report） |
| 许可证 | MiniMax Community License；商业使用附带条件 |
它适合已有多 GPU 基础设施的团队，也适合 API 价格已经低于当前账单的 Agent 工作负载。不适合笔记本或单张消费级 GPU，也不适合无法展示所要求署名的商业产品。我的判断是：先用 API；只有当业务量或数据控制需求足以覆盖硬件成本时，再考虑自托管。
从官方渠道下载并核验权重
官方检查点位于 Hugging Face 的 MiniMaxAI/MiniMax-M3.1-Flash。MiniMax 在 10 月 23 日的公告帖中也提供了 Hugging Face 和 ModelScope 的下载入口。根据 alfw.ai 对权重发布的分析，完整载荷约为 252 GB，下载无需审批：包括 48 个权重分片、单独的 DSpark 草稿头，以及 tokenizer 和配置文件。
hf download MiniMaxAI/MiniMax-M3.1-Flash --local-dir MiniMax-M3.1-Flash
在为硬件预算之前，建议直接在仓库页面核对三件事。第一，确认文件列表中有完整的 48 个分片和草稿头，而不是不完整的镜像。第二，许可证字段应为 minimax-community，不是 MIT 或 Apache；聚合站上的旧版预发布标签可以忽略。第三，别忽视模型卡本身的提醒：公开分数仅适用于官方权重，第三方量化版本的表现可能不同。因此，本周流传的 EXL3 或重新打包版本，在明确其基础 commit 之前，都应视为未经验证的版本。
能否自托管？先把显存账算明白
虽然每个 token 只激活 23B 参数，但 428B 模型不会因此变小。这正是许多“能不能本地跑”的讨论最容易混淆的地方：激活参数决定单 token 的推理成本，总参数则决定你需要存储和加载多少权重。按 BF16 计算，4280 亿参数乘以 2 字节，单是权重大约就要 856 GB；普通 4-bit 表示约需 214 GB。实际仓库约 252 GB，是训练时量化布局、tokenizer、配置文件和草稿头共同构成的结果，尚未计入运行时缓冲区和 KV cache。
“MiniMax-M3.1-Flash open weights are now LIVE 🔥🔥 428B params, 23B active.”——@MiaAI_lab，其提到约 252 GB 的下载体积，以及 TensorFold 部署方案和 EXL3 量化工作
即使对团队而言，硬件门槛也很高。@perry_weijie 指出，个人设备基本无法运行它；自行部署更适合拥有闲置显卡资源的团队。我找到的一项首日实测是 来自 @majewskizby 的 4x DGX Spark 上 TP4 部署：在 262K 上下文、NVFP4/MXFP8 路径和 Triton 稀疏注意力下，报告的普通文本解码速度约为 39.7 tok/s，结构化解码约为 62.2 tok/s。这是首日实测数据，不是厂商幻灯片；但它同样建立在四台高端节点协同工作的前提上。
按部署投入由低到高，实际可选路径如下：
- SGLang：使用模型卡链接的 cookbook，其中包含 Docker 方式，参数包括
--shm-size 32g、端口 30000 和 HF 缓存挂载。 - vLLM：采用链接中的部署方案；模型卡示例使用端口 8000 上的
vllm serve。 - TokenSpeed：使用其链接的方案，适合偏重推理效率的部署路径。
- FlagOS：用于多芯片部署。
目前已有两个配置坑很常见。其一，推理强度默认是 maximum；如果从未调整 low 到 max 的控制项，账单和延迟都会被明显抬高。其二，minimax-m31flash.org 的独立配置说明提到了典型的 Agent 集成故障：长上下文使用了错误的模型后缀、环境变量覆盖配置文件、Codex 最低版本过旧，以及仍在使用已废弃的预览模型名称。模型卡显示，Transformers、KTransformers、unsloth 和 ATOM 的集成仍在推进中，基于这些方案规划之前先确认状态。alfw.ai 列出的公告兼容范围涵盖 10 家芯片厂商和六家云服务商，但在你实际付费的服务商目录出现该模型前，这些都应视作兼容性公告，而不是已可直接使用的服务。
API 还是自托管：该按任务成本做决定
只看 token 单价很容易误判，因为 Agent 任务的成本主要受推理 token 和缓存行为影响。MiniMax API 采用统一价格：每百万输入 token $0.15、输出 $0.60、缓存输入 $0.015。根据 minimax-m31flash.org，它没有长上下文加价阶梯；不同于 MiniMax M3，后者的输入 token 超过 512K 后价格翻倍。Artificial Analysis 的同套测试中，M3.1 Flash 每项任务成本约 $0.22，DeepSeek V4.1 Flash 1017 为 $0.26；两者输出 token 分别为 189M 和 224M。约 15% 的任务成本优势主要来自更高效的推理，而不是单纯降价。
| 路径 | 适合场景 | 需要注意 |
|---|---|---|
MiniMax API（api.minimax.io，据 minimax-m31flash.org 支持 Anthropic/OpenAI 兼容接口） | 编程 Agent、负载波动场景、无需自备硬件的 1M 上下文任务 | 默认 max 推理强度；缓存和服务层级配置决定实际账单 |
| M Plan 订阅（据 minimax-m31flash.org，提供 Go / Explore / Build 档位） | 在 MiniMax Code 中稳定、可预期地使用编程助手 | 采用窗口限制，并非简单的月度 token 包；预算前先确认美元价格 |
| 自托管（SGLang / vLLM / TokenSpeed，FlagOS 多芯片） | 长期高负载、需要数据控制、需要微调底座 | 252 GB 下载量；长上下文下还需多 GPU 显存和 KV cache；暂无经过验证的最低硬件规格 |
在下载任何文件前，先按你的工作负载算账：用每月输入/输出 token 分布乘以 $0.15/$0.60，再结合真实缓存命中率，然后与预留 GPU 成本和工程时间对比。大多数未达到持续高负载的场景中，API 通常更划算；当月度 API 支出超过分摊后的集群成本，或权重必须保留在你的边界内时，自托管才可能胜出。
基准成绩：先区分是谁测出来的
| 基准 | M3.1 Flash | 引用表格中的最佳对手 | 来源 |
|---|---|---|---|
| Automation-Bench v1.0.6 | 62.8 | 60.5 DeepSeek V4.1 Flash-1017 | MiniMax 模型卡（厂商） |
| BankerToolBench | 76.2 | 76.2 Opus 5（并列） | MiniMax 模型卡（厂商） |
| LOCA-Bench 256K | 60.3 | 60.0 GPT-5.6 Sol | MiniMax 模型卡（厂商） |
| OSWorld 2.0 | 61.7 | 70.6 Opus 5 | MiniMax 模型卡（厂商） |
| CyberGym | 82.2 | 84.5 GLM-5.3 | MiniMax 模型卡（厂商） |
| DeepSWE v1.1 | 73.7 | 77.0 DeepSeek V4.1 Flash-1017 | MiniMax 模型卡（厂商） |
| Vals Index | 53.78%（26 个模型中第 16） | MiMo V2.6 Flash 54.83%（发布时） | Vals AI（独立） |
| Intelligence Index | 42 | 45 DeepSeek V4.1 Flash 1017 | Artificial Analysis via TPS Report（独立） |
| LMArena WebDev | 1587.48 | 已参与排名的模型组 | VectorWire（10 项中唯一获得独立验证） |
MiniMax 模型卡为各基准列出了测试环境，例如 BankerToolBench 使用 OpenCode 1.17.18、以 MiniMax-M2.7 作为裁判；CyberGym 则使用 Claude Code 2.1.263，并采用 1M 上下文。相比多数发布公告，这种透明度更高，但分数仍属于厂商自报。独立测试的结论更保留：Vals AI 显示，其 Vibe Code Bench 相比 M3 提升了 26.37 分，但也指出长程任务偏弱，在其测试环境中 Terminal-Bench 为 25.25%、HLAB-Vals 为 7.50%。Artificial Analysis 同时给出较强的 56% omniscience 准确率，以及该基准中 93% 的幻觉率；VectorWire则认为证据不足，无法对任何能力做出排名。对于检索、合规和面向客户的回答，这个幻觉率足以提醒你必须加入验证环节。
商业使用前，先看清许可证限制
权重可以下载，但 MiniMax Community License 并不是无限制的开源许可证。许可授权以非商业使用为基础；商业使用必须满足条件：产品或服务需显著展示“Built with MiniMax M3.1-Flash”，用户需向 MiniMax 发送一次性通知，年收入超过 $20M 的项目还需事先取得 MiniMax 的书面授权。商业使用的定义很宽泛，付费托管访问、模型 API、微调版本和修改后的衍生版本都包含在内。军事用途，以及故意生成有害、虚假或误导性信息的用途被禁止。alfw.ai 的许可证分析认为，该模型许可证中没有地域限制；但这是第三方解读，而非 MiniMax FAQ 的官方说明，产品上线前仍应让法务确认。结论很明确：这是开放权重，不是开源。
FAQ
MiniMax M3.1 Flash 权重真的可以下载吗？
可以。MiniMaxAI/MiniMax-M3.1-Flash 于 2026 年 10 月 23 日出现在 Hugging Face，上线文件约 252 GB，无需审批即可下载，同时提供 ModelScope 镜像。
官方 Hugging Face 仓库是哪个？
MiniMaxAI/MiniMax-M3.1-Flash：包含 48 个 safetensors 分片、DSpark 草稿头、tokenizer 和配置文件，许可证标记为 minimax-community。可使用 hf download MiniMaxAI/MiniMax-M3.1-Flash --local-dir MiniMax-M3.1-Flash 下载。
M3.1 Flash 可以用于商业用途吗？
有条件地可以。你需要展示“Built with MiniMax M3.1-Flash”、发送一次性通知，并在年收入超过 $20M 时获得事先书面授权。微调版本和托管 API 也属于商业使用。
它能在消费级 GPU 或 Apple Silicon 上运行吗？
本文没有引用任何经过验证的单张消费级 GPU 或 Apple Silicon 部署方案：完整检查点约 252 GB，BF16 计算下仅权重就约需 856 GB，因此普通 GPU 显存配置不具备可行性。预计需要多 GPU 服务器或云服务商；本文引用的首日实测使用了 4x DGX Spark。
它支持 vLLM、SGLang 或 TokenSpeed 吗？
支持，官方部署方案均由模型卡链接提供。推荐路径是 SGLang 和 vLLM，TokenSpeed 为第三套方案；FlagOS 覆盖多芯片部署。发布时，Transformers 系列集成仍在推进中。
它和 DeepSeek V4.1 Flash 相比怎么样？
在 AA 测试套件中，它的单任务成本更低（约 $0.22 对约 $0.26），并且在该快照中 HLE 和 omniscience 准确率更高；但综合 Intelligence Index 落后（42 对 45），DeepSWE 也落后于 1017 版本（73.7 对 77.0）。若你的重点是低成本 Agent 编程，值得先做一批任务测试；如果综合指数和 DeepSWE 更关键，则应在自己的任务上验证 DeepSeek。下一步很简单：先跑一批付费 API 任务，将默认 max 推理强度调整为你的实际设置，再判断下载权重是否值得。