MiniMax M3.1 Flash 파라미터: 총 4,280억 개, 활성 230억 개, 그리고 청구서를 결정하는 숫자

MiniMax M3.1 Flash

MiniMax가 실제로 공개한 것

MiniMax는 2026년 10월 19일 MiniMax M3.1 Flash를 공개했고, 10월 23일에는 가중치를 Hugging Face에 올렸다. 모델 카드는 출시 글이 모호하게 남겨둔 사양 관련 질문들에 답하고 있으며, 그 안의 여러 수치는 그 사이에 유포된 요약본들과 다르다.

• 매개변수 — 총 4,280억 개, 토큰당 230억 개 활성화, 네이티브 멀티모달 전문가 혼합(MoE) 아키텍처.

• 다운로드 — 48개의 safetensors 샤드에 걸쳐 총 252.4 GB, 그리고 추측 디코딩용 2.3 GB DSpark 드래프터.

• 컨텍스트 및 출력 — 입력 토큰 1,000,000개, 최대 출력 토큰 524,288개.

• 모달리티 — 텍스트, 이미지, 비디오 입력, 텍스트 출력.

• 정밀도 — 라우팅된 전문가와 희소 어텐션 KV 경로는 NVFP4에 맞춰 학습되며, 공유 전문가는 MXFP8로 유지되고, 쿼리 경로는 FP8로 유지됩니다.

• 서빙 — vLLM, SGLang, TokenSpeed가 권장 경로이며, NVIDIA 및 AMD용 출시 당일 vLLM 컨테이너도 제공됩니다.

• 호스팅 API 가격 — 100만 입력 토큰당 $0.15, 출력 $0.60, 캐시된 입력 읽기당 $0.015.

• 라이선스 — minimax-community, Hugging Face에 다음으로 제출됨: code>license: other/code>, 이는 MIT도 Apache도 아닙니다.

총액 대 활성: 230억이 무엇에 쓰이고 있는가

4,280억 개 매개변수의 밀집 모델은 모든 토큰에 대해 모든 매개변수를 실행합니다. 전문가 혼합은 각 토큰을 일부 전문가에게 라우팅하므로, 토큰당 연산량은 230억 개라는 활성 수치로 정해지고 메모리 사용량은 총 4,280억 개로 정해집니다. 이러한 분리 때문에 두 숫자가 보통 함께 언급되며, 둘 중 하나만 인용하면 예측 가능한 방향으로 오해를 낳습니다. 총계는 필요한 하드웨어를 알려주고, 활성 개수는 토큰당 연산 비용이 대략 얼마인지 알려줍니다.

실질적인 결과는 230억 개의 활성 파라미터가 "230억 파라미터 모델"이 아니라는 것이다. 그것은 4280억 개의 저장된 지식 파라미터와 230억 개의 토큰당 작업 파라미터를 가진 모델이며, 이는 왜 그것이 시작하기는 빠르면서 호스팅하기는 상대적으로 무거울 수 있는지를 설명하는 합리적인 설명이다.

252.4GB라는 수치는 조달 문서에서 그것이 어떤 모습인지를 보여줍니다. 이론적인 파라미터 수에 2바이트를 곱한 값이 아니라, 보안 검토를 거치며 이동하는 산출물입니다. NVFP4 훈련 선택이 바로 그 수치를 그 자리에 머물게 합니다. vLLM의 계산에서 NVFP4 체크포인트는 250.1GB로, MXFP8의 MiniMax-M3용 451.5GB에 비해 44.6% 감소하며, KV 캐시는 토큰당 61,440바이트에서 34,560바이트로 43.75% 줄어드는데, 이는 희소 어텐션 인덱서와 어텐션 경로 모두 NVFP4로 실행되기 때문입니다.

서빙 시점에 파라미터에 드는 비용

매개변수 수가 알려주지 못하는 숫자는 동시성이며, 바로 이것이 자가 호스팅의 실행 가능성을 결정합니다. 256,000토큰 시퀀스에서 NVIDIA B300 GPU 4개를 사용할 때, vLLM은 MiniMax M3.1 Flash의 경우 동시 시퀀스 76개를 보고하는 반면, FP8 KV 캐시를 사용하는 MiniMax-M3는 28개가 들어갑니다. 약 2.7배 더 많은 것입니다. 지연에 민감한 GB300 AgentX 실행 구간에서 이 스택은 사용자당 초당 출력 토큰 418.9개를 유지하면서 GPU당 초당 총 토큰 38.6K개를 처리합니다. 처리량 중심 구간에서는 사용자당 초당 약 127토큰에서 GPU당 초당 총 토큰 153.8K개에 도달합니다. Rubin에서는 동일한 구성이 사용자당 초당 724.9토큰을 보고하며, AMD MI355X에서는 331토큰을 보고합니다.

이는 특정 하드웨어에서 프레임워크가 자체 발표한 프레임워크 벤치마크이며, 독립적인 프로덕션 측정값이 아닙니다. 그래도 어떤 벤치마크 표의 행보다 의사결정에 더 관련성이 높습니다. 왜냐하면 4개의 GPU에서 76개의 동시 256K 시퀀스를 수용하는 428B 모델은 8개를 수용하는 모델과는 다른 조달 대상이기 때문입니다.

230억의 비용은 토큰의 가격이 아니다

바로 여기서 파라미터 이야기와 청구서가 갈라진다. MiniMax M3.1 Flash의 가격은 $0.15와 $0.60으로, 이는 Gemini 3.5 Flash-Lite의 입력 가격의 절반, 출력 가격의 약 4분의 1에 해당한다. Artificial Analysis의 완료된 작업당 비용 기준에서는 여전히 뒤진다: $0.22 대 $0.19.

그 이유는 같은 데이터셋에서 분명히 드러납니다. Intelligence Index 전반에서 이 모델은 약 1억 8,000만 개의 출력 토큰을 소비했으며, Artificial Analysis가 추적하는 모델들의 중앙값은 약 1억 개에 가깝습니다. 사고는 비활성화할 수 없습니다 — MiniMax의 API는 code>thinking: {"type": "disabled"}/code> 를 400 오류로 거부하며, 유일한 조절 수단은 low에서 max까지의 5단계 노력 사다리이고, 해당 필드가 생략되면 max가 기본값입니다. 사고 토큰은 출력으로 청구되며 다음 항목에 산입됩니다: code>max_tokens/code>.

그래서 파라미터 경제성에 대한 정확한 요약은 이렇습니다. 활성 파라미터 수는 모델을 빠르게 유지할 만큼 작고, 출력의 장황함은 청구서가 요율표가 시사하는 만큼 작아지지 않게 할 만큼 크며, 이 두 사실은 서로 무관합니다. 에이전틱 작업과 코딩 작업에서는 그 숙고가 대체로 토큰을 쓸 만한 값을 합니다. 추출이나 분류에서는 그렇지 않습니다.

지능 결과는 프런티어급이라기보다는 상당히 괜찮은 수준입니다. Artificial Analysis Intelligence Index에서 43점으로 173개 모델 중 5위이며, Terminal-Bench 4.0은 26%, AutomationBench-AA는 73%, GDPval-AA는 1,458, SciCode는 53%입니다. 설계에서 기준으로 삼아야 할 것은 바로 기권 결과입니다. AA-Omniscience는 이를 16점으로 평가했고 환각률은 93%인데, 이는 답을 모를 때 거절하기보다는 거의 매번 그대로 답했다는 뜻입니다.

속도, 두 가지 방식으로 측정

공개된 속도 수치는 서로 다르며, 그 불일치는 우려스럽기보다 유익하다. Artificial Analysis는 첫 토큰까지 1.48초, 초당 출력 토큰 95.6개를 측정했다. MiniMax 자체 자료는 중앙값이 초당 170토큰을 넘고 최고치는 200을 넘는다고 주장한다. 서빙 경로와 측정 조건에 따라 이 수치는 크게 달라지므로, 우리 자체 경로를 별도로 언급할 가치가 있다. 지난 7일간의 트래픽에서 첫 토큰까지 p50은 1.29초, p95는 4.40초를 기록했으며, 이는 다음 모델 기준이다: code>minimax/minimax-m3.1-flash/code>.

그것이 라우팅된 모델이 지니는 형태입니다. 이를 기존 업체와 정직하게 비교하려면 어느 한 업체의 단일 수치를 믿기보다 자신의 경로를 직접 측정하는 것입니다.

라이선스 표기는 사양의 일부입니다.

두 가지 의무가 모델 가중치에 따라붙으며, 어느 것도 파라미터 수에는 나타나지 않습니다. 상업적 배포 시 관련 웹사이트, 인터페이스, 블로그 게시물, 소개 페이지 또는 제품 문서에 "Built with MiniMax M3"라는 문구를 눈에 띄게 표시해야 합니다 — 모델은 M3.1 Flash인데 필수 저작자 표시는 여전히 M3라고 되어 있으며, 이는 법률 검토가 뒤늦게 잡아내는 종류의 세부 사항입니다. 그리고 연간 매출이 2,000만 달러 이하인 회사는 MiniMax에 이메일로 일회성 통지를 해야 합니다. 그 기준을 넘으면 상업적 사용 전에 사전 서면 승인이 필요합니다.

라이선스는 상업적 사용을 모델을 기반으로 구축된 제품, 그 위에 올린 상용 API, 그리고 파인튜닝된 배포까지 포괄할 만큼 폭넓게 정의한다. 기준 미만의 스타트업에게 비용은 이메일 한 통과 출처 표시 한 줄이다. 더 큰 기업에게는 MiniMax가 통제하는 일정에 맞춰 진행되는 라이선싱 협의다. DeepSeek V4.1 Flash는 MIT로 배포되며 어떤 고지도 필요 없다. 그래서 두 체크포인트 모두 다운로드할 수 있더라도 "오픈 웨이트"는 단일 범주가 아니다.

전화하거나 다운로드하세요

오픈 웨이트의 손익분기점은 활용률 문제입니다. 출력 토큰 100만 개당 $0.60일 때, 한 달에 10억 개의 출력 토큰은 호스팅 API를 통해 $600이 듭니다. B300 GPU 네 대는 전력, 네트워킹, 서빙 스택을 최신 상태로 유지하는 엔지니어 비용을 고려하기 전에도 그보다 더 비쌉니다. 다운로드가 유리한 경우는 통제된 환경을 벗어날 수 없는 데이터, 가중치 접근이 필요한 파인튜닝 실행 — vLLM은 NVFP4 체크포인트에서 veRL, FSDP2, rank-32 LoRA를 사용한 엔드투엔드 RL과, 16대의 GB300에서 AIME-2024 정확도를 36.3%에서 67.5%로 끌어올린 200스텝 GRPO 실행을 보고합니다 — 그리고 고정 클러스터가 종량제 청구서보다 나은 대규모 배치 작업입니다.

그 외 모두에게는 호스팅 경로가 합리적인 기본값이며, MiniMax M3.1 Flash는 OrcaRouter 카탈로그에 code>minimax/minimax-m3.1-flash/code>로 등록되어 있습니다. 제공업체 정가에 0% 마크업: 입력 $0.15, 출력 $0.60, 캐시 $0.015, MiniMax-M3 및 보통 함께 후보에 오르는 모델들 옆에 하나의 키로 제공됩니다. 자동 페일오버는 제공업체에 일시적인 장애가 발생한 경우를 처리하며, 라우팅 DSL은 파이프라인의 어려운 단계를 더 강력한 모델로 보내고 대량 작업은 여기에 남겨둘 수 있습니다.

파라미터 질문 때문에 이곳에 오셨다면, 짧은 답은 총 4,280억 개, 활성 230억 개입니다. 긴 답은, 두 숫자 모두 청구서에는 나타나지 않으며, 청구서에 실제로 나타나는 두 가지는 모델이 사용하기로 선택한 출력 토큰과 언젠가 당신이 넘을 수도 있는 라이선스 임계값이라는 것입니다.

출처 참고: 파라미터 수, 252.4 GB 저장소, 정밀도 체계, 라이선스 조건 및 공급업체 벤치마크 행은 2026년 10월 26일에 확인한 MiniMax의 모델 카드와 출시 자료입니다. NVFP4 체크포인트 크기, 토큰당 KV 캐시 바이트, 동시성 수치, 처리량 수치 및 GRPO 결과는 vLLM의 day-0 게시물이며 명시된 하드웨어에서의 프레임워크 벤치마크입니다. Intelligence Index 점수, 작업당 비용, 토큰 소비 추정치 및 AA-Omniscience 수치는 Artificial Analysis의 것입니다. 가격, 컨텍스트 및 1.29초 p50은 OrcaRouter의 카탈로그와 자체 7일 트래픽입니다.