MiniMax M3.1 Flash正式开源：428B总参数仅激活23B，72小时处理超100万亿Token

AI开源圈又来了一位重量级选手。

10月23日，MiniMax（稀宇科技）正式开放 MiniMax M3.1 Flash 模型权重。总参数规模达到428B，但每次处理Token时，仅激活约23B参数。

更夸张的是它的实际使用数据：模型上线72小时内，真实用户累计处理Token数量超过100万亿。

除了参数和调用量，这次MiniMax还拿出了稀疏注意力、QAT量化、DSpark投机解码和功耗感知调度等一整套推理优化方案，并联合华为昇腾、NVIDIA、AMD以及vLLM、SGLang等生态伙伴推进部署适配。

这意味着，M3.1 Flash的看点不只是“又开源了一个大模型”，而是从模型性能、推理成本到部署生态，都开始针对真实生产环境做优化。

01｜MiniMax M3.1 Flash正式开源，428B参数有点东西

MiniMax M3.1 Flash采用原生多模态混合专家架构（Mixture of Experts，简称MoE），在保留大规模参数容量的同时，通过动态激活部分专家网络减少单次推理的计算负担。

先看核心参数：

428B是什么概念？

简单理解，模型拥有约4280亿参数的整体容量，但每次处理Token时，不需要让所有专家同时参与计算，而是根据当前任务动态调用其中一部分。

打个比方，一家大型公司拥有很多不同领域的专家。

如果需要解决编程问题，不必让所有部门一起开会，而是优先调用更适合处理当前问题的团队。

MoE架构的思路与此类似。

它的价值在于，能够同时保留较大的模型容量和相对较低的单Token计算需求。

不过，23B激活参数并不意味着只需要23B模型的显存资源。428B参数对应的整体权重仍然需要存储，部署时也要考虑专家加载、显存容量、KV Cache和多卡通信等问题。

对于开发者来说，M3.1 Flash更像是一款针对高性能推理场景设计的大模型，而不是普通电脑随手就能运行的小模型。

02｜72小时处理超100万亿Token，这个数据值得聊聊

除了模型参数，MiniMax这次公布的另一个数据同样吸睛。

官方表示，M3.1 Flash于2026年10月19日上线，在随后72小时内，真实用户累计处理的Token数量超过100万亿。

注意，这里说的是模型上线后的实际调用量，并不是10月23日开源后的下载量。

对于AI模型来说，跑分好看是一回事，真正进入大规模线上服务又是另一回事。

开发者需要关注的不只是模型能回答多少问题，还包括它能否在大量用户同时调用时，保持稳定的响应速度、吞吐能力和成本控制。

100万亿Token代表了相当可观的业务调用规模。

但这个数字也需要正确理解。

它反映的是整个线上服务在72小时内累计处理的Token总量，并不能直接等同于单台服务器、单张GPU或单个请求的推理速度。

要进一步判断其工程效率，还需要结合并发量、计算卡数量、输入输出比例、延迟和实际资源成本等指标。

值得一提的是，MiniMax在10月19日的官方介绍中还提到，曾以匿名身份运行的Space Bunny，实际上是M3.1 Flash的早期版本，累计处理Token超过200万亿。

这两组数据对应不同的运行阶段，不能直接混为一谈。

从匿名测试到正式发布，再到开放模型权重，M3.1 Flash已经经历了实际用户调用的检验。

03｜推理效率怎么提升？这次不只是换个架构

M3.1 Flash延续了上一代M3的混合专家架构，并在多个环节进一步优化推理效率。

其中最值得关注的是稀疏注意力、量化感知训练以及DSpark投机解码。

全模型稀疏注意力：让长上下文处理更高效

传统注意力机制需要处理大量Token之间的关联关系。

随着输入内容越来越长，注意力计算和内存访问的成本也会快速增加。

MiniMax采用自研的MiniMax Sparse Attention（MSA）稀疏注意力机制，让模型重点关注与当前任务更相关的信息，减少不必要的注意力计算。

M3.1 Flash进一步将上一代保留的前三个全注意力层替换为稀疏注意力层，使稀疏注意力覆盖整个模型。

这项优化尤其适合长代码仓库分析、海量文档检索、长周期Agent任务和复杂多轮对话等场景。

QAT量化感知训练：减少模型运行负担

QAT全称Quantization-Aware Training，也就是量化感知训练。

它并非简单地在模型训练完成后压缩权重，而是在训练过程中让模型适应低精度计算，从而尽量兼顾推理效率与模型表现。

M3.1 Flash将路由MoE专家迁移至W4A4量化方案，共享专家除外；稀疏注意力索引器和主分支，则进一步从Q8KV8迁移至Q8KV4。

这些变化主要是为了降低权重及相关计算路径的资源开销，让推理服务能够更有效地利用硬件。

DSpark投机解码：让生成过程更快

除了稀疏注意力和量化，官方模型卡还披露了一项值得关注的优化：DSpark投机解码。

投机解码可以理解为，让一个较轻量的预测模块提前提出后续Token候选，再由主模型进行验证。

如果预测被接受，就有机会减少逐Token生成所需要的等待和计算开销。

M3.1 Flash使用DSpark取代此前的类EAGLE MTP方案，并在开放权重时提供了配套的Draft Head，方便兼容的推理框架利用这一能力进行加速。

这也是M3.1 Flash区别于单纯参数更新的重要地方。

Power-aware Scheduling：连计算卡功耗都开始精细调度

此外，MiniMax还介绍了Power-aware Scheduling（功耗感知调度）方案。

这部分更偏向线上推理系统的工程优化。

通过对计算卡功耗进行更精细的分配和调度，尽量让硬件维持在高效率的运行状态，减少因功耗约束带来的算力波动。

对于持续处理大量请求的推理服务来说，这类优化会影响最终吞吐量和单位成本。

值得注意的是，功耗调度属于部署系统层面的能力，并不意味着下载模型权重后就会自动获得与MiniMax官方服务完全相同的性能。

04｜官方称推理接近快3倍，Agent任务成本降低70%

模型更强是一方面，能不能跑得快、用得起，才是开发者真正关心的问题。

根据MiniMax于10月19日披露的数据，M3.1 Flash相较上一代模型，线上推理速度接近提升3倍，Agent任务的整体使用成本降低约70%。

官方还给出了具体的Token生成速度：

日常输出速度可达到200 Token/s以上，P50中位速度持续达到170 Token/s以上。

这两个数字描述的是官方线上服务的表现，实际体验还会受到请求长度、并发情况、模型部署方式及硬件环境影响。

在API定价方面，MiniMax公布的M3.1 Flash价格为：

以上为10月19日官方公布的美元价格，具体计费仍以最新平台页面为准。

这组价格对于高频调用AI模型的开发者很有吸引力。

尤其是AI编程和Agent类产品，模型不只需要回答一次问题，而是可能反复读取文件、分析任务、调用工具、检查结果和修复错误。

一次任务背后，实际可能消耗大量Token。

因此，模型使用成本降低带来的价值，往往不只是聊天便宜一点，而是能够让原本调用成本较高的自动化任务变得更容易持续运行。

05｜编程、Agent、Computer Use，M3.1 Flash重点强化这些能力

MiniMax M3.1 Flash并不是一款只为普通聊天打造的模型。

从官方定位和评测方向来看，它更关注复杂任务执行、代码开发、电脑操作以及网络安全等应用场景。

在官方公布的测试结果中，M3.1 Flash取得了以下成绩：

• DeepSWE v1.1：73.7%，主要衡量复杂软件工程任务表现。
• BankerToolBench：76.2，关注多步骤规划、文档一致性与复杂工具调用。
• OSWorld V2：61.7，测试模型在电脑操作和跨应用任务中的执行能力。
• Agents' Last Exam：29.6，关注真实专业工作任务中的Agent能力。
• CyberGym：82.2，衡量漏洞发现与验证等安全任务能力。

这些结果来自官方披露的评测，能够反映模型在指定测试环境中的表现，但不应直接理解成实际业务中的成功率。

AI编程：从写代码走向完成开发任务

开发者现在对AI编程工具的期待，已经不只是生成一个函数或者解释报错。

真正有价值的AI编程助手，需要能够理解项目结构、跨文件修改代码、执行测试、排查问题，并持续完成多个开发步骤。

M3.1 Flash重点强化了这类长流程软件工程任务。

对于代码仓库分析、Bug修复、单元测试生成、代码重构和功能开发等场景，具备长上下文与Agent执行能力的模型会更加实用。

Agent：不只是回答问题，而是执行任务

Agent正在从简单的信息问答走向复杂工作流。

例如处理一份业务报表，AI可能需要读取多个文件、检查数据、计算指标、生成报告，最后输出可供使用的结果。

又比如一个自动化客服Agent，需要查询知识库、核对订单信息、判断用户问题，再调用相应业务接口完成操作。

这类任务涉及多次工具调用和状态管理，因此模型的成本、稳定性和长任务执行能力都很重要。

Computer Use：让AI操作真实的软件界面

Computer Use关注的是让模型通过界面操作完成任务。

例如打开网页、查找信息、填写表单、操作后台系统，以及在多个应用之间完成工作。

这类能力如果能够与可靠的工具权限控制、错误恢复机制和任务验证结合，就可以用于日常办公和部分企业自动化场景。

M3.1 Flash在相关测试中取得的成绩，说明MiniMax正在进一步强化模型对真实软件环境的理解与操作能力。

06｜100万Token上下文，适合处理更复杂的项目

MiniMax M3.1 Flash支持最高100万Token上下文窗口。

这意味着模型在条件允许的情况下，可以一次接收更长的文本或多模态内容。

对于普通聊天而言，未必每次都需要这么长的上下文。

但对开发者和企业用户来说，长上下文能够覆盖更多实际场景。

例如，分析一个包含大量代码文件的项目、理解较长的产品需求文档、整理跨部门业务资料、阅读复杂技术规范，以及持续追踪一个多阶段Agent任务。

同时，M3.1 Flash属于原生多模态模型，支持文本、图片和视频输入，输出则以文本为主。

因此，它可以用于图像理解、视频内容分析、界面识别以及多模态信息处理。

但需要区分：支持视频输入，并不等于模型能够直接生成视频文件。

另外，100万Token是模型支持的最高上下文规模，不代表所有部署方式都能默认跑满。

实际可用长度还受到显存、KV Cache、推理框架和服务配置的限制。

07｜开源首日适配多个芯片平台，国产算力也在其中

相比单纯公布模型权重，MiniMax这次还同步推进了多硬件平台与推理框架的生态支持。

根据官方披露的信息，参与首日接入和适配的芯片厂商包括：

华为昇腾、平头哥、昆仑芯、摩尔线程、壁仞、海光、沐曦、天数、NVIDIA和AMD等。

在推理与云服务方面，包括Together AI、Fireworks、Nebius、Baseten、Modal和DigitalOcean等平台。

开源社区和推理框架则涉及vLLM、SGLang、智源FlagOS、Hugging Face及魔搭社区等。

这些合作意味着，M3.1 Flash并不打算局限在某一种GPU或者某一家云平台中运行。

对于国内开发者而言，国产AI芯片的生态适配尤其值得关注。

不过，“参与首日适配”并不代表所有平台都已经提供完全一致的稳定性、性能和功能支持。

不同计算卡之间的显存容量、计算精度、算子兼容性和推理框架成熟度仍然存在差异，实际部署前还需要查阅对应平台的支持情况。

模型生态做得越完善，开发者未来选择硬件和云服务平台的空间也就越大。

08｜普通开发者怎么体验MiniMax M3.1 Flash？

目前，开发者已经可以通过不同方式使用M3.1 Flash。

第一种：通过MiniMax API接入。

对于开发AI产品、网站助手、智能客服和自动化工具的团队来说，直接使用官方API通常是最简单的方式。

不需要自行下载数百GB的模型权重，也不需要提前采购高性能GPU。

开发者只需要配置API访问凭证，并根据官方文档完成接口调用即可。

第二种：通过MiniMax Code和MiniMax Agent使用。

如果主要需求是AI编程、代码分析、文档处理或者Agent自动化，可以直接通过MiniMax的应用产品体验模型能力。

这种方式更适合希望快速测试实际效果，而不是先研究部署环境的用户。

第三种：从Hugging Face或魔搭下载权重。

对于拥有GPU服务器、希望控制模型推理环境的开发团队，可以通过官方开放的权重进行自部署。

模型仓库已经提供下载入口、配置文件和推理说明，并推荐使用SGLang、vLLM等框架部署。

但由于模型整体规模达到428B，即使使用量化权重，自托管仍然需要较强的硬件资源和一定的部署经验。

对于个人开发者而言，先通过API验证业务效果，通常比直接采购GPU进行部署更合理。

09｜模型开放权重，不代表商业使用完全没有限制

这里有一个特别容易被忽略的细节。

虽然MiniMax对外宣布M3.1 Flash开源，但Hugging Face模型仓库标注的许可证为 MiniMax Community License。

它不是MIT、Apache 2.0这类常见的宽松开源许可证。

根据官方许可证，模型允许非商业使用、复制、修改及分发，但商业用途需要遵守额外条件。

例如，使用模型构建商业产品或服务时，需要在相关网站、界面或文档中展示“Built with MiniMax M3.1-Flash”标识。

如果相关产品或服务的年收入超过2000万美元，还需要事先取得MiniMax的书面授权；未达到该门槛的商业使用，也需要按许可证要求发送一次通知。

此外，许可证还列出了其他禁止用途。

因此，如果开发者准备把M3.1 Flash接入付费SaaS、商业API服务、企业软件或者对外销售的AI产品，建议先认真阅读完整许可证。

模型权重可以下载，不等于可以忽略商业授权条件。

这也是本次开源除了技术性能以外，开发者真正需要了解的信息。

10｜M3.1 Flash适合落地哪些AI产品？

从能力和成本结构来看，M3.1 Flash更适合对多步骤执行、代码能力和调用成本有明确要求的产品。

对于AI编程工具，可以用于代码审查、Bug定位、文档生成、测试辅助和跨文件修改。

对于企业AI助手，可以探索知识库问答、业务流程处理、报表整理和跨系统任务执行。

对于设计与产品团队，可以尝试结合图像输入能力分析界面截图、整理设计需求、辅助前端代码生成以及检查页面实现。

对于AI网站和SaaS开发者，可以根据业务场景构建自动化工作流，让模型连接搜索、数据库、文件系统和其他工具接口。

对于高频调用模型的平台，官方API成本和缓存价格也值得纳入评估。

不过，模型是否适合最终业务，还需要结合真实任务测试。

例如在正式接入前，可以先比较任务完成率、响应时间、Token消耗、工具调用稳定性和异常恢复能力，而不是只参考公开榜单。

11｜MiniMax M3.1 Flash常见问题

MiniMax M3.1 Flash什么时候开源？

MiniMax M3.1 Flash于2026年10月19日正式上线，并于10月23日宣布开放模型权重，现已提供Hugging Face和魔搭社区下载入口。

MiniMax M3.1 Flash有多少参数？

模型总参数规模约428B，每个Token激活约23B参数，采用MoE混合专家架构。

72小时处理100万亿Token是什么意思？

这是MiniMax披露的正式上线后72小时内，真实用户累计处理的Token数量，不是模型单次上下文长度，也不是单个GPU的推理速度。

MiniMax M3.1 Flash支持100万Token上下文吗？

支持。官方模型卡标注最高100万Token上下文，但实际可用长度取决于推理硬件和部署配置。

MiniMax M3.1 Flash支持图片和视频吗？

支持文本、图像和视频输入，主要输出文本，可用于多模态理解与分析任务。

MiniMax M3.1 Flash可以免费使用吗？

模型权重已开放下载，但实际使用仍涉及硬件或API调用成本。商业用途还需要遵守MiniMax Community License的相关要求。

MiniMax M3.1 Flash支持本地部署吗？

支持自行部署，官方推荐SGLang、vLLM等推理框架。不过由于模型规模较大，通常需要多卡GPU或专业推理服务器，并非普通个人电脑即可轻松运行。

总结｜AI大模型开始更认真地拼落地效率了

MiniMax M3.1 Flash这次开源，最值得关注的并不是428B参数本身。

真正有价值的是，MiniMax正在尝试把大模型能力、推理效率、调用成本和硬件适配放到同一套产品方案里。

428B总参数、23B激活参数，让模型在维持较大容量的同时减少部分计算负担。

全模型稀疏注意力、QAT量化、DSpark投机解码以及功耗调度，则进一步围绕推理效率展开优化。

再加上72小时超100万亿Token的实际使用规模，以及多芯片、多推理框架的生态适配，这次发布明显不只是面向跑分榜单。

对于普通用户来说，最直观的变化可能是响应更快、使用成本更低。

对于开发者来说，更重要的是能够以什么样的成本，把模型接入真正运行的产品。

而对于企业来说，模型能力之外，部署选择、服务稳定性、商业授权和长期使用成本，也正在成为越来越重要的评估标准。

大模型能不能打，不能只看参数和榜单。最终还是要看它能不能稳定、经济地把任务完成。

这或许才是MiniMax M3.1 Flash最值得关注的地方。

MiniMax M3.1 Flash 官方开源地址（Hugging Face）
https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash

MiniMax M3.1 Flash 魔搭社区下载
https://modelscope.cn/models/MiniMax/MiniMax-M3.1-Flash

MiniMax M3.1 Flash 官方中文模型说明
https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash/blob/main/README_zh.md

MiniMax M3.1 Flash 开源许可证
https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash/blob/main/LICENSE

MiniMax M3.1 Flash 官方技术介绍
https://www.minimax.io/blog/minimax-m31f