המשקלים של MiniMax M3.1 Flash שוחררו: 428B, 252 GB, וסעיף רישוי של 20 מיליון דולר
- OrcaחדשOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 13 tok/s
- deepseekחדשDeepSeek: DeepSeek V4.1 Flash 10172026-10-1745אינטליגנציה
- DeepSeekחדשDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaחדשOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 151 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 1076 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238אינטליגנציה
- OpenAIOpenAI: GPT-6 Sol2026-09-2248אינטליגנציה
- AnthropicAnthropic: Claude Opus 5.52026-09-2258אינטליגנציה
- xAIGrok 4.72026-09-2146אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 לכל 1M טוקנים · 158 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 לכל 1M טוקנים · 1885 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453אינטליגנציה77כתיבת קוד
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241אינטליגנציה76כתיבת קוד
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245אינטליגנציה76כתיבת קוד
- AnthropicAnthropic: Claude Fable 5.12026-09-0153אינטליגנציה82כתיבת קוד
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 לכל 1M טוקנים · 49 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 לכל 1M טוקנים · 105 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642אינטליגנציה72כתיבת קוד
משקולות MiniMax M3.1 Flash עלו ל-Hugging Face ב-23 באוקטובר 2026, ארבעה ימים אחרי שהמודל עצמו הושק ב-19 באוקטובר. ההורדה היא 428 מיליארד פרמטרים בסך הכול, עם 23 מיליארד פעילים לכל טוקן, והמאגר הוא 252.4 GB: 48 שברי משקולות בתוספת דרפטר לפענוח ספקולטיבי בגודל 2.3 GB. זהו שחרור אמיתי של משקולות פתוחות, והוא אינו שחרור קוד פתוח. הרישיון הוא רישיון קהילתי של MiniMax עצמה, שמבקש ייחוס בכל פריסה מסחרית ואישור מראש בכתב מ-MiniMax לאחר שההכנסה השנתית עוברת 20 מיליון דולר.
ההבחנה הזו חשובה יותר ממספר הפרמטרים. כל מי שקרא "משקלים פתוחים" והניח שמדובר ב-MIT או ב-Apache-2.0 צפויה לו הפתעה בתחום הרכש. כל מי שצריך רק לקרוא למודל בוודאי יכול להתעלם לגמרי מההורדה: ה-API המתארח עדיין עולה 0.15 דולר למיליון טוקני קלט ו-0.60 דולר למיליון טוקני פלט, וארבעה ימים של קבצי משקלים לא משנים את החשבון הזה עבור צוות ששולח כמה מיליארדי טוקנים בחודש.
מה נמצא בפועל במאגר
כרטיס המודל עונה על שאלות המפרט שפוסט ההשקה של MiniMax השאיר מעורפלות. מספרי הכותרת הם אלה שכדאי להקפיד עליהם, משום שכמה מהם שונים מסיכומי יום ההשקה שהופצו בלי כרטיס מודל שכנגדו אפשר לבדוק אותם.
• פרמטרים — 428 מיליארד בסך הכול, 23 מיליארד מופעלים לכל טוקן, תערובת מומחים מולטימודלית נייטיבית
• הורדה — 252.4 GB בסך הכול: 48 רססי safetensors בתוספת מודל טיוטה DSpark בנפח 2.3 GB לפענוח ספקולטיבי
• הקשר — 1,000,000 טוקני קלט; עד 524,288 טוקני פלט
• קלטים ופלטים — טקסט, תמונה ווידאו בקלט; טקסט בפלט
• דיוק — מומחים מנותבים ומסלול ה-KV של תשומת־לב דלילה מאומנים עבור NVFP4, כאשר מומחים משותפים נשמרים ב-MXFP8; מסלול השאילתה נשאר ב-FP8
• הגשה — vLLM, SGLang ו-TokenSpeed הם המסלולים המומלצים, עם מכולות vLLM מיום 0 עבור NVIDIA ו-AMD
• רישיון — minimax-community, הוגש ב-Hugging Face כ-license: other
• מחיר באירוח — $0.15 קלט, $0.60 פלט, $0.015 קלט במטמון למיליון טוקנים
הפיצול 428B/23B הוא אותו פיצול ש-MiniMax מצטטת מאז ההשקה. נתון ה-252 GB הוא מידע חדש לכל מי שמתכנן פריסה: זהו הגודל בפועל של הארטיפקט שתעבירו דרך סקירת אבטחה, ולא מספר פרמטרים תאורטי כפול שני בייטים. תקרת הפלט היא המספר הנוסף שראוי לציון. תיעוד ה-API של MiniMax מאפשר 524,288 טוקני פלט, הרבה מעל תקרת 65,536 הטוקנים ב-Gemini 3.8 Flash, ומעל הנתון של DeepSeek V4.1 Flash שהוא 384,000. זוהי יכולת יצירה ארוכה שפוסט ההשקה לא הציב בראש.
הרישיון הוא החלק שצריך לקרוא פעמיים
MiniMax מכנה זאת הפצת משקולות פתוחות, ולפי המשמעות הרגילה של הביטוי — קבצים להורדה, ללא מפתח API — זה אכן כך. הרישיון הוא המקום שבו המילה "פתוח" מתחילה לעשות פחות עבודה. רישיון הקהילה של MiniMax מעניק שימוש חופשי, שינוי והפצה מחדש למטרות לא מסחריות. שימוש מסחרי מותר, אך הוא כרוך בשתי התחייבויות שאין ל-MIT.
הראשון הוא ייחוס. פריסה מסחרית חייבת להציג את "Built with MiniMax M3" באופן בולט באתר קשור, בממשק משתמש, בפוסט בבלוג, בעמוד אודות או בתיעוד המוצר. המודל הוא M3.1 Flash; המחרוזת הנדרשת עדיין אומרת M3, וזה מסוג הפרטים שמחמיצים עד שבדיקה משפטית תופסת אותם.
השני הוא סף הכנסות. בהכנסה שנתית של $20 מיליון או פחות, חברה חייבת ל-MiniMax הודעת מייל חד-פעמית. מעל $20 מיליון, היא זקוקה לאישור מראש בכתב מ-MiniMax לפני שימוש מסחרי. הרישיון מגדיר שימוש מסחרי באופן רחב מספיק כדי לכסות הצעה של מוצר או שירות המסתמך על המודל, הפעלת API מסחרי על גביו, ופריסה של גרסה שעברה כיוונון עדין או אימון-המשך למטרות מסחריות. עסק הסקה מתארח המבוסס על המשקלים הללו נמצא ממש בתוך ההגדרה.
זו אינה סיבה להימנע מהשחרור. זו סיבה לקרוא את השחרור נכון. עבור סטארט-אפ שמתחת לסף, העלות המעשית היא אימייל ושורת ייחוס. עבור חברה גדולה יותר, זו שיחת רישוי עם מעבדה סינית, בלוח זמנים ש-MiniMax שולטת בו. השוו זאת ל-DeepSeek V4.1 Flash, שמשוחרר תחת MIT ואינו מצריך הודעה כלל, ותנאי המשחק בזירת המשקלים הפתוחים אינם שווים גם כאשר שני הצ'קפוינטים זמינים להורדה.
252 GB הוא הנתון הקל; 76 רצפים בו-זמניים הוא הנתון השימושי
פרט ההגשה המעניין מגיע מהפוסט של vLLM מיום ה-0, שהוא מפורט יותר מחומר ההשקה של MiniMax עצמה. הצ'קפוינט NVFP4 הוא 250.1 GB בחישוב של vLLM לעומת 451.5 GB עבור MiniMax-M3 ב-MXFP8 — הפחתה של 44.6%. מטמון ה-KV יורד מ-61,440 בייטים לכל טוקן ל-34,560, קיצוץ של 43.75%, מפני שגם אינדקסר הקשב הדליל וגם מסלול הקשב פועלים ב-NVFP4.
התוצאה היא מקביליות בהקשר ארוך, וזה המספר שקובע אם אירוח עצמי בר-קיימא. על ארבעה GPUs מסוג NVIDIA B300 ברצפים של 256K טוקנים, vLLM מדווח על 76 רצפים במקביל עבור M3.1 Flash, בעוד ש-M3 עם מטמון KV מסוג FP8 מכיל 28 — פי 2.7 בערך. בקצה הרגיש להשהיה של ריצת ה-GB300 AgentX שלו, המחסנית מחזיקה 418.9 טוקני פלט בשנייה למשתמש תוך שירות של 38.6K טוקנים בסך הכול בשנייה לכל GPU. בקצה התפוקה היא מגיעה ל-153.8K טוקנים בסך הכול בשנייה לכל GPU בקצב של כ-127 טוקנים בשנייה למשתמש. על Rubin אותו מתכון מדווח על 724.9 טוקנים בשנייה למשתמש, ועל AMD MI355X הוא מדווח על 331.
אלה מדדי ביצועים של מסגרת העבודה על חומרה ספציפית, ולא מדידות ייצור עצמאיות. הם עדיין המספרים השימושיים ביותר בפרסום, מפני שהם עונים על השאלה שמספר פרמטרים אינו יכול לענות עליה: כמה בקשות עם הקשר ארוך נכנסות במכונה שאפשר למעשה לשכור. מודל 428B שעליו נכנסים 76 רצפים מקבילים באורך 256K על ארבעה כרטיסי GPU הוא פריט רכש שונה ממודל 428B שעליו נכנסים שמונה.
מה העלויות של אירוח עצמי, ומתי ה-API עדיין מנצח
נקודת האיזון במשקלים פתוחים היא שאלת ניצולת, לא שאלת מחיר. במחיר של 0.60 דולר למיליון טוקני פלט, מיליארד טוקני פלט בחודש עולים 600 דולר דרך ה-API של MiniMax. ארבעה מעבדי B300 עולים הרבה יותר מזה לשכירה או לבעלות, לפני חשמל, תקשורת והמהנדס ששומר על מערך ההגשה מעודכן. צוות שמסוגל להעסיק את המעבדים האלה בתפוקה שבקצה הבנצ'מרק של vLLM קונה טוקנים בתעריף אפקטיבי שונה לגמרי; צוות שצריך אותם שעתיים ביום מסבסד סיליקון לא פעיל.
עומסי העבודה שמצדיקים את ההורדה הם אלה שבהם מחיר ה-API אינו האילוץ המגביל. נתונים שאינם יכולים לצאת מסביבה מבוקרת. ריצות כוונון עדין שזקוקות לגישה למשקלים, שבהן vLLM מדווחת על RL מקצה לקצה עם veRL, FSDP2 ו-LoRA בדרגה 32 על נקודת הביקורת NVFP4, וריצת GRPO בת 200 צעדים שהעלתה את הדיוק ב-AIME-2024 מ-36.3% ל-67.5% על 16 GB300s. לולאות סוכנים רגישות להשהיה שבהן קפיצת הרשת והתור של הספק הם חלק מה-p95. ומשימות אצווה גדולות מספיק כדי שאשכול קבוע יהיה עדיף על חיוב מדוד.
עבור כל השאר, המסלול המתארח נשאר ברירת המחדל השפויה, והשחרור לא משנה זאת. המשקלים הם אפשרות אסטרטגית, לא קיצוץ עלויות שמגיע כברירת מחדל.
מה שהמשקולות לא מתקנות
שלוש בעיות שורדות את ההורדה ללא פגע. הראשונה היא אמינות. הערכת AA-Omniscience של Artificial Analysis דירגה את M3.1 Flash במקום ה-16 הכללי עם שיעור הזיות של 93%: כאשר המודל לא ידע תשובה, הוא בכל זאת ענה כמעט בכל פעם במקום להימנע ממענה. זוהי התנהגות מדודה, לא טענה של ספק, וזה מסוג הדברים שחשובים יותר בסוכן שיכול לפעול מאשר בצ'אטבוט שאפשר להתעלם ממנו. משקלים פתוחים מאפשרים לבצע כוונון עדין סביב זה; הם לא גורמים לזה להיעלם בצ'קפוינט.
הנקודה השנייה היא מקור נתוני הבנצ'מרק. נתוני ההשקה — DeepSWE v1.1 ב-73.7%, Agents' Last Exam ב-29.6, OSWorld V2 ב-61.7, CyberGym ב-82.2, BankerToolBench ב-76.2 — הם ריצות של MiniMax עצמה על מסגרות ההערכה שנבחרו על ידי MiniMax. אף אחד מהם לא שוחזר באופן עצמאי. כרטיס המודל מזהיר במפורש כי קוונטיזציות של צד שלישי עשויות להיות שונות, וזו הודאה מועילה: המספרים מתארים את המשקלים הרשמיים בתצורה של MiniMax, ולא את מה שמפיקה מחסנית ההגשה שלך לאחר שתבצע קוונטיזציה נוספת.
השלישי הוא שליטה. לא ניתן להשבית את החשיבה: ה-API של MiniMax דוחה את thinking: {"type": "disabled"} עם HTTP 400, והמנוף היחיד הוא סולם המאמץ בעל חמש המדרגות מ-low עד max, כאשר max הוא ברירת המחדל כשהשדה מושמט. טוקני חשיבה מחויבים כפלט ונספרים כנגד max_tokens. במדד Intelligence Index המודל צרך כ-180 מיליון טוקני פלט, הרבה מעל החציון, ולכן העלות שלו של $0.22 למשימה שהושלמה טובה יותר ממה שקצב העלות לטוקן מרמז, אך עדיין מושפעת ממילוליות.
איך לקרוא לזה עכשיו
MiniMax M3.1 Flash זמין דרך ה-API של MiniMax עצמה, דרך M Plan ו-MiniMax Code, ודרך כמה פלטפורמות צד שלישי. הוא אינו נמצא בקטלוג של OrcaRouter נכון להיום, ומאמר זה אינו טוען שהוא כן. מה ש-OrcaRouter כן מנתב הוא שאר המשפחה והמודלים שבדרך כלל נכללים איתה ברשימת ההשוואה: MiniMax-M3, DeepSeek V4.1 Flash ו-Gemini 3.8 Flash כולם עונים באמצעות מפתח אחד, במחיר המחירון של הספק וללא תוספת של 0%, עם מעבר אוטומטי בין מסלולים בעת כשל. אם אתם בוחנים את M3.1 Flash מול פתרון קיים, זה נותן לכם את צד הפתרון הקיים בהשוואה בלי חוזה נוסף, וזה נותן לכם יעד למעבר בעת כשל בזמן שהמודל החדש צובר היסטוריה תפעולית.
אם אתם מארחים בעצמכם, קונטיינר vLLM הוא המסלול הקצר ביותר, ומתכון NVFP4 הוא זה שהמספרים לעיל מתארים. אם אתם קוראים ל-API, השחרור משנה מעט השבוע פרט לאפשרויות הרכש שלכם.
סיכום כן הוא שהמשקלים אמיתיים, שסיפור ההגשה חזק מהצפוי, ושהרישיון מגביל יותר ממה שהביטוי "משקלים פתוחים" מכין אותך לקראתו. MiniMax שחררה מודל 428B שניתן להוריד באמת, עם מתכון לארבעה GPUs וטביעת רגל של 252 GB. היא לא שחררה את המודל הזה ברישיון MIT, וההבדל יהיה משמעותי בדיוק לחברות שגדולות מספיק כדי שיהיה להן אכפת משורת ה-20 מיליון דולר.
