הפרמטרים של MiniMax M3.1 Flash: 428 מיליארד בסך הכול, 23 מיליארד פעילים, והמספר שקובע את החשבון שלכם

MiniMax M3.1 Flash

מה שMiniMax למעשה פרסם

MiniMax השיקה את MiniMax M3.1 Flash ב-19 באוקטובר 2026 והעלתה את המשקולות ל-Hugging Face ב-23 באוקטובר. כרטיס המודל עונה על שאלות המפרט שפוסט ההשקה הותיר מעורפלות, ומספר מהמספרים בו שונים מהסיכומים שהופצו בינתיים.

• פרמטרים — 428 מיליארד בסך הכול, 23 מיליארד מופעלים לכל טוקן, בארכיטקטורת תערובת מומחים מולטימודלית ילידית.

• הורדה — 252.4 GB על פני 48 שברי safetensors, בתוספת דראפטר DSpark בנפח 2.3 GB לפענוח ספקולטיבי.

• הקשר ופלט — 1,000,000 טוקני קלט; עד 524,288 טוקני פלט.

• מודאליות — טקסט, תמונה ווידאו בקלט; טקסט בפלט.

• דיוק — מומחים מנותבים ונתיב ה-KV של קשב דליל מאומנים עבור NVFP4, מומחים משותפים נשמרים ב-MXFP8, ונתיב השאילתה נשאר FP8.

• הגשה — vLLM, SGLang ו-TokenSpeed הם המסלולים המומלצים, עם מכולות vLLM מיום-אפס עבור NVIDIA ו-AMD.

• מחיר ב-API המתארח — $0.15 למיליון טוקני קלט, $0.60 לפלט, $0.015 לקריאת קלט מהמטמון.

• רישיון — minimax-community, הוגש ב-Hugging Face כcode>license: other/code>, שאינו MIT ואינו Apache.

סך הכול לעומת פעיל: מה עושה ה-23 מיליארד

מודל צפוף בעל 428 מיליארד פרמטרים יפעיל כל פרמטר עבור כל טוקן. מודל תערובת מומחים מנתב כל טוקן לתת-קבוצה של מומחים, כך שהחישוב לכל טוקן נקבע לפי נתון 23 המיליארד הפעילים, בעוד שטביעת הזיכרון נקבעת לפי 428 המיליארד בסך הכול. הפיצול הזה הוא הסיבה לכך ששני המספרים מצוטטים בדרך כלל יחד, ולכך שציטוט של רק אחד מהם מטעה בכיוון צפוי מראש: הסך הכול אומר לך איזו חומרה אתה צריך, ומספר הפעילים אומר לך בקירוב מה עולה טוקן מבחינת חישוב.

המשמעות המעשית היא ש־23 מיליארד פרמטרים פעילים אינם מהווים "מודל בעל 23 מיליארד פרמטרים". זהו מודל עם 428 מיליארד פרמטרים של ידע מאוחסן ו־23 מיליארד פרמטרים של עבודה לכל טוקן — וזהו תיאור סביר לכך שהוא יכול להיות גם מהיר להתנעה וגם כבד יחסית לאירוח.

נתון ה-252.4 GB הוא איך זה נראה במסמך רכש: לא ספירת פרמטרים תאורטית כפול שני בייטים, אלא הארטיפקט שמעבירים דרך סקירת אבטחה. בחירת האימון ב-NVFP4 היא מה שמשאיר אותו שם. לפי החישוב של vLLM, הצ'קפוינט של NVFP4 הוא 250.1 GB לעומת 451.5 GB עבור MiniMax-M3 ב-MXFP8 — הפחתה של 44.6% — וה-KV cache 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.

מה העלות של הפרמטרים בזמן הגשה

המספר שספירת הפרמטרים לא יכולה לתת לך הוא מקביליות, וזה המספר שקובע אם אירוח עצמי הוא בר-קיימא. על ארבעה מעבדי NVIDIA B300 ברצפים של 256,000 טוקנים, vLLM מדווח על 76 רצפים מקבילים עבור MiniMax M3.1 Flash, בעוד שב-MiniMax-M3 עם מטמון KV מסוג FP8 נכנסים 28 — פי 2.7 בערך. בקצה הרגיש להשהיה של ריצת GB300 AgentX שלה, המחסנית מספקת באופן יציב 418.9 טוקני פלט לשנייה לכל משתמש תוך שהיא משרתת 38.6K טוקנים בסך הכול לשנייה לכל GPU; בקצה התפוקה היא מגיעה ל-153.8K טוקנים בסך הכול לשנייה לכל GPU בקצב של כ-127 טוקנים לשנייה לכל משתמש. על Rubin אותו מתכון מדווח על 724.9 טוקנים לשנייה לכל משתמש, ועל AMD MI355X, 331.

אלה מדדי ביצועים של פריימוורק על חומרה ספציפית, שפורסמו על ידי הפריימוורק, ולא מדידות ייצור עצמאיות. הם עדיין רלוונטיים יותר לקבלת החלטות מכל שורת מדד ביצועים, מפני שמודל 428B שמתאים ל-76 רצפים מקבילים באורך 256K על ארבעה GPUs הוא פריט רכש שונה ממודל שמתאים לשמונה.

העלות של 23 המיליארד אינה המחיר של אסימון

כאן סיפור הפרמטרים והחשבונית נפרדים. MiniMax M3.1 Flash מתומחר ב-$0.15 וב-$0.60, שהם מחצית ממחיר הקלט וכבערך רבע ממחיר הפלט של Gemini 3.5 Flash-Lite. במדד עלות למשימה שהושלמה של Artificial Analysis הוא עדיין מפסיד: $0.22 לעומת $0.19.

הסיבה נראית באותו מערך נתונים. לאורך ה-Intelligence Index המודל צרך בערך 180 מיליון טוקנים בפלט, לעומת חציון של קרוב ל-100 מיליון במודלים ש-Artificial Analysis עוקבת אחריהם. לא ניתן להשבית את החשיבה — ה-API של MiniMax דוחה code>thinking: {"type": "disabled"}/code> עם 400, והמנוף היחיד הוא סולם מאמץ בעל חמישה שלבים מ-low עד max, כאשר max הוא ברירת המחדל כשהשדה מושמט. טוקני חשיבה מחויבים כפלט ונספרים כנגד code>max_tokens/code>.

אז הסיכום המדויק של כלכלת הפרמטרים הוא זה: מספר הפרמטרים הפעילים קטן מספיק כדי לשמור על מהירות המודל, רמת הפירוט גבוהה מספיק כדי שהחשבונית לא תהיה קטנה כפי שמחירון התעריפים מרמז, ושתי העובדות אינן קשורות זו לזו. בעבודה סוכנית ובקידוד, העיון בדרך כלל מצדיק את הטוקנים שהוא צורך. בחילוץ או בסיווג הוא לא.

תוצאת האינטליגנציה מכובדת אך אינה חזיתית: 43 במדד האינטליגנציה של Artificial Analysis, חמישי מבין 173 מודלים, כאשר Terminal-Bench 4.0 עומד על 26%, AutomationBench-AA על 73%, GDPval-AA על 1,458 ו-SciCode על 53%. תוצאת ההימנעות היא זו שצריך לתכנן סביבה — AA-Omniscience מדרג אותו ב-16, עם שיעור הזיות של 93%, כלומר כאשר לא ידע תשובה הוא בכל זאת ענה כמעט בכל פעם במקום להימנע.

מהירות, נמדדת בשתי דרכים

נתוני המהירות שפורסמו אינם עולים בקנה אחד, וחוסר ההתאמה הזה מאלף ולא מדאיג. Artificial Analysis מדדה 1.48 שניות עד לאסימון הראשון בקצב של 95.6 אסימוני פלט לשנייה; החומרים של MiniMax עצמה טוענים לחציון של יותר מ-170 אסימונים לשנייה עם שיאים של יותר מ-200. נתיב ההגשה ותנאי המדידה משנים את המספר הזה במידה רבה, ולכן שווה לצטט בנפרד את הנתיב שלנו: p50 של 1.29 שניות עד לאסימון הראשון ו-p95 של 4.40 שניות בשבעת הימים האחרונים של תעבורה על code>minimax/minimax-m3.1-flash/code>.

זו הצורה שיש למודל מנותב. הדרך ההוגנת להשוות אותו לספק קיים היא {{1}}למדוד את המסלול שלך בעצמך{{/1}} ולא {{2}}לסמוך על נתון בודד{{/2}} מאף אחד מהספקים.

שורת הרישיון היא חלק מהמפרט

שתי התחייבויות נלוות למשקולות, ואף אחת מהן אינה מופיעה בספירת פרמטרים. פריסות מסחריות חייבות להציג את המחרוזת "Built with MiniMax M3" באופן בולט באתר אינטרנט קשור, בממשק, בפוסט בבלוג, בעמוד "אודות" או בתיעוד המוצר — הדגם הוא M3.1 Flash, והייחוס הנדרש עדיין מציין M3, וזה מסוג הפרטים שבדיקה משפטית מגלה בשלב מאוחר. ובהכנסה שנתית של 20 מיליון דולר או פחות, חברה חייבת ל-MiniMax הודעה חד-פעמית בדוא"ל; מעל לקו זה, נדרש אישור בכתב מראש לפני שימוש מסחרי.

הרישיון מגדיר שימוש מסחרי באופן רחב מספיק כדי לכסות מוצר שנבנה על המודל, API מסחרי מעליו, ופריסה שעברה כוונון עדין. עבור סטארט-אפ מתחת לסף, העלות היא אימייל ושורת ייחוס. עבור חברה גדולה יותר מדובר בשיחה על רישוי בלוח זמנים ש-MiniMax שולטת בו. DeepSeek V4.1 Flash מופץ תחת MIT ואינו מחייב הודעה כלל, ולכן "משקלים פתוחים" אינו קטגוריה אחת גם כאשר שני הצ'קפוינטים זמינים להורדה.

התקשרו אליו או הורידו אותו

נקודת האיזון במשקלים פתוחים היא שאלת ניצול. בתעריף של $0.60 למיליון טוקני פלט, מיליארד טוקני פלט בחודש עולה $600 דרך ה-API המתארח; ארבעה כרטיסי B300 עולים יותר מכך לפני חשמל, תקשורת והמהנדס שמחזיק את מערך ההגשה עדכני. הורדה מנצחת עבור נתונים שאינם יכולים לצאת מסביבה מבוקרת, עבור ריצות כוונון עדין שזקוקות לגישה למשקלים — vLLM מדווחת על RL מקצה לקצה עם veRL, FSDP2 ו-LoRA בדרגה 32 על צ'קפוינט ה-NVFP4, ועל ריצת GRPO בת 200 צעדים שהעלתה את דיוק AIME-2024 מ-36.3% ל-67.5% על 16 כרטיסי GB300 — ועבור משימות אצווה גדולות מספיק שאשכול קבוע עדיף על חשבון מדוד.

עבור כל השאר, המסלול המתארח הוא ברירת המחדל ההגיונית, ו-MiniMax M3.1 Flash נמצא בקטלוג של OrcaRouter בתור code>minimax/minimax-m3.1-flash/code> במחיר המחירון של הספק עם 0% תוספת: $0.15 קלט, $0.60 פלט, $0.015 במטמון, מפתח אחד לצד MiniMax-M3 והמודלים שבדרך כלל נמצאים איתו ברשימה הקצרה. מעבר אוטומטי בין ספקים מכסה את המקרה שבו לספק יש יום רע, וה-DSL לניתוב יכול לשלוח את השלב הקשה של צינור למודל חזק יותר בזמן שעיקר העומס נשאר כאן.

אם שאלת הפרמטרים הביאה אתכם לכאן, התשובה הקצרה היא 428 מיליארד בסך הכול ו-23 מיליארד פעילים. התשובה הארוכה היא שאף אחד משני המספרים האלה לא מופיע בחשבונית שלכם, ושני המספרים שכן מופיעים הם אסימוני הפלט שהמודל בוחר להשתמש בהם וסף הרישיון שאולי תחצו יום אחד.

הערת מקורות: ספירת הפרמטרים, המאגר בנפח 252.4 GB, סכימת הדיוק, תנאי הרישיון ושורות הבנצ'מארק של הספק הם מכרטיס המודל וחומרי ההשקה של MiniMax, כפי שנקראו ב-26 באוקטובר 2026. גדלי נקודות הביקורת של NVFP4, הבייטים של מטמון KV לכל אסימון, נתוני המקביליות, מספרי התפוקה ותוצאת GRPO הם מהפוסט של vLLM מיום האפס, והם בנצ'מארקים של מסגרת על חומרה בשם. ציון Intelligence Index, העלות למשימה, אומדן צריכת האסימונים ונתוני AA-Omniscience הם של Artificial Analysis. המחירים, ההקשר וה-p50 של 1.29 שניות הם מהקטלוג של OrcaRouter ומנתוני התעבורה שלנו משבעת הימים.