MiniMax M3.1 Flashの重みが公開：428B、252GB、そして2000万ドルのライセンス条項

MiniMax M3.1 Flashの重みは、モデル自体が10月19日にローンチされてから4日後の2026年10月23日にHugging Faceで公開された。ダウンロード対象は総パラメータ数4280億、トークンあたり230億がアクティブで、リポジトリは252.4 GBだ。48個の重みシャードに加え、2.3 GBの投機的デコーディング用ドラフターが含まれる。これは真のオープンウェイト公開であり、オープンソース公開ではない。ライセンスはMiniMax独自のコミュニティライセンスで、すべての商用デプロイでの帰属表示を求め、年間売上高が2000万ドルを超えた後はMiniMaxからの事前の書面による許諾を求めている。

その区別はパラメータ数よりも重要だ。「open weights」を読んでMITやApache-2.0だと想定した人には、調達上の不意打ちが待っている。モデルを呼び出すだけでよい人なら、ダウンロードは完全に無視すべきだろう。ホスト型APIは依然として入力100万トークンあたり$0.15、出力100万トークンあたり$0.60であり、月に数十億トークンを送るチームにとって、4日分の重みファイルがあってもその算術は変わらない。

リポジトリには実際に何が含まれているのか

モデルカードは、MiniMaxの公開投稿が曖昧にしていた仕様上の疑問に答えている。主要な数値こそ正確に押さえておくべきものだ。というのも、そのうちいくつかは、照合できるモデルカードがないまま出回った公開日時点の要約とは異なっているからだ。

• パラメータ — 総計4,280億、トークンあたり230億が活性化、ネイティブなマルチモーダル混合エキスパート

• ダウンロード — 合計252.4 GB：48個のsafetensorsシャードに加え、投機的デコーディング用の2.3 GBのDSparkドラフター

• コンテキスト — 入力トークン数 1,000,000、出力トークン数は最大 524,288

• 入力と出力 — テキスト、画像、動画を入力、テキストを出力

• 精度 — ルーティングされたエキスパートとスパースアテンションの KV パスは NVFP4 向けにトレーニングされ、共有エキスパートは MXFP8 で保持され、クエリパスは FP8 のままです

• サービング — 推奨される経路は vLLM、SGLang、TokenSpeed で、NVIDIA および AMD 向けに Day-0 対応の vLLM コンテナを提供しています

• ライセンス — minimax-community、Hugging Face に license: other として登録

• ホステッド価格 — 100万トークンあたり入力 $0.15、出力 $0.60、キャッシュ済み入力 $0.015

428B/23Bの分割は、MiniMaxがローンチ以来ずっと示してきたものと同じだ。252GBは、導入を計画している人にとって新しい情報だ。これはセキュリティレビューを通すことになる実際のアーティファクトのサイズであり、理論上のパラメータ数に2バイトを掛けたものではない。出力の上限も、注目すべきもう一つの数字だ。MiniMaxのAPIドキュメントでは出力トークン数が524,288まで認められており、Gemini 3.8 Flashの65,536トークンという上限やDeepSeek V4.1 Flashの384,000をはるかに上回る。これはローンチ記事が前面に出さなかった長文生成能力だ。

ライセンスは二度読むべき部分です。

MiniMaxはこれをオープンウェイトのリリースと呼んでいる。そしてこの言葉の通常の意味——ダウンロード可能なファイルで、APIキーが不要——に照らせば、確かにそうだ。「オープン」という言葉がやや負担を免れ始めるのは、ライセンスの部分である。MiniMaxコミュニティライセンスは、非商業目的での自由な使用、改変、再配布を認めている。商業利用も認められているが、そこにはMITライセンスにはない2つの義務が伴う。

最初の点は帰属表示です。商用展開では、関連するウェブサイト、ユーザーインターフェース、ブログ投稿、会社概要ページ、または製品ドキュメント上で「Built with MiniMax M3」を目立つように表示する必要があります。モデルはM3.1 Flashですが、必須の文字列は依然としてM3となっており、これは法務レビューで指摘されるまで見落とされがちな類の詳細です。

2つ目は売上高の閾値です。年間売上高が2,000万ドル以下の場合、企業はMiniMaxにメールで一度限りの通知を行う義務があります。2,000万ドルを超える場合、商用利用の前にMiniMaxからの事前の書面による許諾が必要です。ライセンスは商用利用を十分に広く定義しており、モデルに依拠する製品やサービスの提供、その上での商用APIの運用、商用目的でのファインチューニング済みまたは事後学習済みバージョンの展開を含みます。これらの重みに基づくホスト型推論事業は、まさにこの定義に該当します。

それはリリースを避ける理由ではない。リリースを正しく読む理由だ。閾値未満のスタートアップにとって、実務上のコストはメール1通と帰属表示1行で済む。より大きな企業なら、中国のラボとのライセンス交渉になり、そのスケジュールはMiniMaxが握っている。DeepSeek V4.1 Flashと比べてみると、こちらはMITで提供され、通知すら不要だ。両方のチェックポイントがダウンロード可能であっても、オープンウェイトの分野は対等ではない。

252 GBは分かりやすい数字だが、有用なのは76の同時シーケンスだ。

興味深いサービングの詳細はvLLMのday-0投稿から来ており、MiniMax自身のローンチ資料よりも具体的です。NVFP4チェックポイントはvLLMの計上で250.1 GBで、MiniMax-M3のMXFP8での451.5 GBに対して44.6%の削減です。KVキャッシュはトークンあたり61,440バイトから34,560バイトに減り、43.75%の削減となります。これは疎なアテンションのインデクサーとアテンションパスの両方がNVFP4で動作するためです。

その結果が長いコンテキストでの同時実行数であり、セルフホスティングが現実的かどうかを決める数値だ。256Kトークンシーケンスにおいて4基のNVIDIA B300 GPU上では、vLLMはM3.1 Flashで76の同時シーケンスを報告し、FP8 KVキャッシュを使用するM3では28しか収まらない——約2.7倍多い。GB300 AgentX実行のレイテンシー重視の側では、スタックはGPUあたり毎秒38.6Kトークン全体を処理しながら、ユーザーあたり毎秒418.9出力トークンを維持する。スループット重視の側では、ユーザーあたり毎秒約127トークンで、GPUあたり毎秒153.8Kトークン全体に達する。Rubinでは同じレシピでユーザーあたり毎秒724.9トークンを報告し、AMD MI355Xでは331を報告する。

これらは特定のハードウェア上でのフレームワークのベンチマークであり、独立した本番環境での測定ではありません。それでもリリース内で最も有用な数値です。なぜなら、パラメータ数では答えられない問い、つまり実際に借りられるマシン上で長コンテキストのリクエストが何件同時に収まるかに答えるからです。4基のGPUで76件の同時256Kシーケンスを収められる428Bモデルは、8件しか収められない428Bモデルとは異なる調達対象です。

セルフホスティングにかかるコストとは、そしてそれでもAPIが優位に立つ場面

オープンウェイトにおける損益分岐点は、価格の問題ではなく稼働率の問題だ。出力100万トークンあたり0.60ドルでは、月間10億出力トークンのコストはMiniMaxのAPI経由で600ドルになる。B300 GPU 4基は、電力、ネットワーク、そしてサービングスタックを最新に保つエンジニアを考慮する前の段階で、レンタルでも所有でもその額をはるかに上回る。vLLMのベンチマークのスループット上限付近でそれらのGPUを稼働させ続けられるチームは、まったく異なる実効単価でトークンを買っている。1日2時間だけ必要なチームは、遊んでいるシリコンを補助していることになる。

ダウンロードを正当化するワークロードは、API 価格が拘束条件にならないものです。管理された環境から外に出せないデータ。重みへのアクセスを必要とするファインチューニング実行。そこでは vLLM が、NVFP4 チェックポイント上の veRL、FSDP2、rank-32 LoRA によるエンドツーエンド RL と、16 GB300s 上で AIME-2024 の精度を 36.3% から 67.5% に引き上げた 200 ステップの GRPO 実行を報告しています。ネットワークホップとプロバイダーのキューが p95 の一部となる、レイテンシに敏感なエージェントループ。そして、固定クラスタが従量課金の請求額を上回るほど大規模なバッチジョブ。

それ以外のすべての人にとっては、ホスト型のルートが引き続き妥当なデフォルトであり、今回のリリースでそれが変わることはありません。重みは戦略的な選択肢であり、デフォルトで手に入るコスト削減策ではありません。

重みが解決しないもの

ダウンロードしてもそのまま残る問題が3つある。1つ目は信頼性だ。Artificial AnalysisのAA-Omniscience評価では、M3.1 Flashは総合16、ハルシネーション率93%だった。モデルが答えを知らない場合、ほぼ毎回、回答を控えるのではなく、それでも答えてしまった。これは測定された挙動であり、ベンダーの主張ではない。そして、無視できるチャットボットよりも、行動できるエージェントにおいてこそ重要になる種類のことだ。オープンウェイトを使えば微調整でそれを回避できるが、チェックポイントの時点でそれをなくせるわけではない。

2つ目はベンチマークの由来です。発表時の数値——DeepSWE v1.1で73.7%、Agents' Last Examで29.6、OSWorld V2で61.7、CyberGymで82.2、BankerToolBenchで76.2——は、MiniMaxが自ら選んだハーネス上でMiniMax自身が実行したものです。いずれも独立に再現されたものではありません。モデルカードは、第三者の量子化では結果が異なる可能性があると明示的に警告しており、これは有益な但し書きです。つまりこれらの数値は、MiniMaxの設定における公式の重みを説明するものであり、あなたがさらに量子化した後にサービングスタックが生み出すものではありません。

第3は制御です。思考は無効化できません。MiniMaxのAPIは thinking: {"type": "disabled"} をHTTP 400で拒否し、唯一の調整手段は low から max までの5段階の effort ラダーで、フィールドを省略した場合のデフォルトは max です。思考トークンは出力として課金され、max_tokens にカウントされます。Intelligence Index では、モデルは約1億8000万の出力トークンを消費し、中央値を大きく上回りました。そのため、完了タスクあたり0.22ドルのコストは、トークン単価から示唆されるよりは優れていますが、それでも冗長性の影響を受けています。

今はそれを何と呼ぶの？

MiniMax M3.1 Flashは、MiniMax自身のAPI、M Plan、MiniMax Code、および複数のサードパーティプラットフォームを通じて利用できます。現時点でOrcaRouterのカタログには掲載されておらず、本記事は掲載されていると主張するものではありません。OrcaRouterがルーティングするのは、ファミリーのその他のモデルと、通常比較対象として候補に挙がるモデルです。MiniMax-M3、DeepSeek V4.1 Flash、Gemini 3.8 Flashはいずれも1つのキーで応答し、プロバイダーの定価で0%のマークアップ、ルート間の自動フェイルオーバーを備えています。M3.1 Flashを既存モデルと比較テストする場合、2つ目の契約なしで比較の既存モデル側を用意でき、新しいモデルが運用実績を積む間のフェイルオーバー先も確保できます。

セルフホスティングしている場合、vLLM コンテナが最短ルートであり、NVFP4 レシピは上記の数値が示しているものです。API を呼び出している場合、今週のリリースによる変更は、調達の選択肢を除けばほとんどありません。

正直な要約はこうだ。重みは本物であり、サービングをめぐる話は予想以上に強く、ライセンスは「オープンウェイト」という言葉から準備されるより制限的である。MiniMaxは、4基のGPUで動かすレシピと252 GBのフットプリントを備えた、実際にダウンロード可能な428Bモデルを出荷した。同社はこのモデルをMITの下で出荷してはいない。そしてその違いは、2000万ドルというラインを気にするほど規模の大きい企業にこそ重要になるだろう。