De gewichten van MiniMax M3.1 Flash zijn vrijgegeven: 428B, 252 GB en een licentieclausule van $20M

De gewichten van MiniMax M3.1 Flash zijn op 23 oktober 2026 op Hugging Face geplaatst, vier dagen nadat het model zelf op 19 oktober werd gelanceerd. De download omvat in totaal 428 miljard parameters, met 23 miljard actief per token, en de repository is 252,4 GB: 48 gewichtsshards plus een 2,3 GB grote drafter voor speculatief decoderen. Het is een echte open-weightsrelease, en geen open-source-release. De licentie is MiniMax' eigen communitylicentie, die vraagt om naamsvermelding bij elke commerciële deployment en om voorafgaande schriftelijke toestemming van MiniMax zodra de jaaromzet boven de $20 miljoen uitkomt.

Dat onderscheid is belangrijker dan het aantal parameters. Wie "open weights" heeft gelezen en daarbij uitging van MIT of Apache-2.0, wacht een verrassing bij de inkoop. Wie het model alleen hoeft aan te roepen, kan de download waarschijnlijk volledig negeren: de gehoste API kost nog steeds $0,15 per miljoen inputtokens en $0,60 per miljoen output, en vier dagen aan gewichtsbestanden veranderen die rekensom niet voor een team dat een paar miljard tokens per maand verstuurt.

Wat zit er eigenlijk in de repository?

De modelkaart beantwoordt de specificatievragen die de lanceringspost van MiniMax vaag liet. De kerncijfers zijn de getallen die je goed uit elkaar moet houden, omdat verschillende ervan afwijken van de samenvattingen van de lanceringsdag die circuleerden zonder een modelkaart om ze tegen te controleren.

• Parameters — 428 miljard totaal, 23 miljard geactiveerd per token, een native multimodale mixture-of-experts

• Download — 252,4 GB totaal: 48 safetensors-shards plus een DSpark-draftmodel van 2,3 GB voor speculatieve decoding

• Context — 1.000.000 invoertokens; tot 524.288 uitvoertokens

Invoer en uitvoer — tekst, afbeelding en video in; tekst uit

• Precisie — gerouteerde experts en het sparse-attention-KV-pad zijn getraind voor NVFP4, waarbij gedeelde experts in MXFP8 blijven; het query-pad blijft FP8

• Serving — vLLM, SGLang en TokenSpeed zijn de aanbevolen routes, met day-0 vLLM-containers voor NVIDIA en AMD

• Licentie — minimax-community, op Hugging Face geregistreerd als license: other

• Gehoste prijs — $0.15 invoer, $0.60 uitvoer, $0.015 gecachte invoer per miljoen tokens

De 428B/23B-verdeling is dezelfde die MiniMax sinds de lancering hanteert. De 252 GB is nieuwe informatie voor iedereen die een deployment plant: het is de werkelijke grootte van het artefact dat je door een securityreview zou loodsen, niet een theoretisch aantal parameters vermenigvuldigd met twee bytes. Het uitvoerplafond is het andere getal dat het vermelden waard is. De API-documentatie van MiniMax staat 524.288 uitvoertokens toe, ruim boven het plafond van 65.536 tokens bij Gemini 3.8 Flash en boven DeepSeek V4.1 Flash met 384.000. Dat is een capaciteit voor lange generaties die de lanceringspost niet vooraan had staan.

De licentie is het deel dat je twee keer moet lezen.

MiniMax noemt dit een release met open gewichten, en volgens de gewone betekenis van de term — downloadbare bestanden, geen API-sleutel — is dat ook zo. De licentie is waar het woord "open" minder werk begint te doen. De MiniMax Community Licence staat kosteloos gebruik, wijziging en herdistributie toe voor niet-commerciële doeleinden. Commercieel gebruik is toegestaan, maar er gelden twee verplichtingen die MIT niet kent.

Het eerste is naamsvermelding. Een commerciële implementatie moet "Built with MiniMax M3" prominent weergeven op een gerelateerde website, gebruikersinterface, blogpost, aboutpagina of productdocumentatie. Het model is M3.1 Flash; de vereiste string zegt nog steeds M3, en dat is precies het soort detail dat over het hoofd wordt gezien totdat een juridische beoordeling erop stuit.

De tweede is een omzetdrempel. Bij een jaaromzet van $20 miljoen of minder moet een bedrijf MiniMax eenmalig per e-mail op de hoogte stellen. Boven $20 miljoen is voorafgaande schriftelijke toestemming van MiniMax nodig voordat het commercieel mag worden gebruikt. De licentie definieert commercieel gebruik ruim genoeg om het aanbieden van een product of dienst die op het model steunt, het draaien van een commerciële API erbovenop en het inzetten van een fine-tuned of post-trained versie voor commerciële doeleinden te omvatten. Een bedrijf dat gehoste inferentie op basis van deze gewichten aanbiedt, valt daar volledig binnen.

Dat is geen reden om de release te vermijden. Het is een reden om de release correct te lezen. Voor een startup onder de drempel is de praktische kost een e-mail en een regel naamsvermelding. Voor een groter bedrijf is het een licentiegesprek met een Chinees lab, volgens een tijdlijn die MiniMax bepaalt. Vergelijk dat met DeepSeek V4.1 Flash, dat onder MIT wordt uitgebracht en helemaal geen kennisgeving vereist, en het open-weights-veld is niet gelijk, zelfs wanneer beide checkpoints downloadbaar zijn.

252 GB is het makkelijke getal; 76 gelijktijdige sequenties is het nuttige getal

Het interessante servingdetail komt uit de vLLM day-0-post, die specifieker is dan MiniMax' eigen lanceringsmateriaal. Het NVFP4-checkpoint is 250,1 GB in vLLM's berekening, tegenover 451,5 GB voor MiniMax-M3 in MXFP8 — een reductie van 44,6%. De KV-cache daalt van 61.440 bytes per token naar 34.560, een verlaging van 43,75%, omdat zowel de sparse-attention-indexer als het attention-pad in NVFP4 draaien.

De consequentie is concurrency bij lange context, en dat is het getal dat bepaalt of zelfhosting haalbaar is. Op vier NVIDIA B300-GPU's bij sequenties van 256K tokens rapporteert vLLM 76 gelijktijdige sequenties voor M3.1 Flash, waar M3 met een FP8-KV-cache 28 past — ongeveer 2,7 keer meer. Aan de latentiegevoelige kant van zijn GB300 AgentX-run houdt de stack 418,9 outputtokens per seconde per gebruiker vol terwijl er 38,6K totale tokens per seconde per GPU worden bediend. Aan de doorvoerkant bereikt het 153,8K totale tokens per seconde per GPU bij ongeveer 127 tokens per seconde per gebruiker. Op Rubin rapporteert hetzelfde recept 724,9 tokens per seconde per gebruiker, en op AMD MI355X rapporteert het 331.

Dat zijn frameworkbenchmarks op specifieke hardware, geen onafhankelijke productiemetingen. Het zijn nog steeds de nuttigste cijfers in de release, omdat ze de vraag beantwoorden die een parameteraantal niet kan: hoeveel long-contextaanvragen passen op de machine die je daadwerkelijk kunt huren. Een 428B-model waarop 76 gelijktijdige 256K-sequenties op vier GPU's passen, is een ander inkoopobject dan een 428B-model waarop er acht passen.

Wat self-hosting kost, en wanneer de API toch wint

Het break-evenpunt bij open gewichten is een kwestie van benutting, niet van prijs. Bij $0,60 per miljoen outputtokens kost een miljard outputtokens per maand $600 via de API van MiniMax. Vier B300-GPU's kosten veel meer dan dat om te huren of te bezitten, nog vóór stroom, netwerk en de engineer die de servingstack actueel houdt. Een team dat die GPU's bezet kan houden aan het doorvoeruiteinde van de benchmark van vLLM, koopt tokens tegen een heel ander effectief tarief; een team dat ze twee uur per dag nodig heeft, subsidieert silicium dat stil staat.

De workloads die de download rechtvaardigen, zijn de gevallen waarin de API-prijs niet de beperkende factor is. Data die een gecontroleerde omgeving niet mogen verlaten. Fine-tuningruns die toegang tot de weights nodig hebben, waarbij vLLM end-to-end RL rapporteert met veRL, FSDP2 en rank-32 LoRA op het NVFP4-checkpoint, en een GRPO-run van 200 stappen die de AIME-2024-nauwkeurigheid op 16 GB300s van 36,3% naar 67,5% tilde. Latencygevoelige agentloops waarbij de netwerksprong en de wachtrij van de provider deel uitmaken van de p95. En batchjobs die groot genoeg zijn dat een vaste cluster voordeliger is dan een factuur op basis van verbruik.

Voor alle anderen blijft de gehoste route de verstandige standaard, en deze release verandert daar niets aan. De gewichten zijn een strategische optie, geen kostenbesparing die standaard komt.

Wat de gewichten niet oplossen

Drie problemen overleven de download ongeschonden. Het eerste is betrouwbaarheid. De AA-Omniscience-evaluatie van Artificial Analysis zette M3.1 Flash overall op 16 met een hallucinatiepercentage van 93%: wanneer het model een antwoord niet kende, antwoordde het bijna altijd toch in plaats van zich te onthouden. Dat is een gemeten gedrag, geen claim van de leverancier, en het is precies het soort ding dat meer uitmaakt in een agent die kan handelen dan in een chatbot die je kunt negeren. Open gewichten laten je eromheen fine-tunen; ze laten het niet verdwijnen bij het checkpoint.

Het tweede is de herkomst van de benchmarks. De cijfers bij de lancering — DeepSWE v1.1 op 73,7%, Agents' Last Exam op 29,6, OSWorld V2 op 61,7, CyberGym op 82,2, BankerToolBench op 76,2 — zijn MiniMax' eigen runs op de door MiniMax gekozen harnesses. Geen ervan is onafhankelijk gereproduceerd. De modelkaart waarschuwt expliciet dat kwantisaties door derden kunnen afwijken, wat een nuttige bekentenis is: de cijfers beschrijven de officiële gewichten in MiniMax' configuratie, niet wat je serveerstack oplevert nadat je die verder kwantiseert.

Het derde is controle. Thinking kan niet worden uitgeschakeld: de API van MiniMax wijst thinking: {"type": "disabled"} af met HTTP 400, en de enige knop is de vijftraps inspanningsladder van low tot max, met max als standaard wanneer het veld wordt weggelaten. Thinking-tokens worden gefactureerd als output en tellen mee voor max_tokens. Op de Intelligence Index verbruikte het model ongeveer 180 miljoen output-tokens, ruim boven de mediaan, waardoor de kosten van $0,22 per voltooide taak beter zijn dan de prijs per token suggereert, maar nog steeds worden bepaald door de breedsprakigheid.

Hoe noem je het nu?

MiniMax M3.1 Flash is beschikbaar via MiniMax' eigen API, M Plan en MiniMax Code, en via verschillende platforms van derden. Het staat vandaag niet in de OrcaRouter-catalogus, en dit artikel beweert niet dat dat wel zo is. Wat OrcaRouter wel routeert, is de rest van de familie en de modellen waarmee het gewoonlijk wordt vergeleken: MiniMax-M3, DeepSeek V4.1 Flash en Gemini 3.8 Flash antwoorden allemaal op één sleutel, tegen de lijstprijs van de aanbieder met 0% opslag, met automatische failover tussen routes. Als je M3.1 Flash test tegen een gevestigde partij, geeft dat je de kant van de gevestigde partij in de vergelijking zonder een tweede contract, en het geeft je een plek om naar uit te wijken terwijl het nieuwe model operationele geschiedenis opbouwt.

Als je zelf host, is de vLLM-container de kortste route, en het NVFP4-recept is wat de cijfers hierboven beschrijven. Als je de API aanroept, verandert de release deze week weinig, behalve je inkoopopties.

De eerlijke samenvatting is dat de gewichten echt zijn, het servingverhaal sterker dan verwacht, en de licentie beperkender dan de term "open weights" je doet vermoeden. MiniMax heeft een echt downloadbaar 428B-model uitgebracht met een recept voor vier GPU's en een voetafdruk van 252 GB. Het heeft dit model niet onder een MIT-licentie uitgebracht, en het verschil zal precies uitmaken voor de bedrijven die groot genoeg zijn om zich iets aan te trekken van de $20 miljoen-post.