Wagi MiniMax M3.1 Flash są już dostępne: 428B, 252 GB oraz klauzula licencyjna o wartości 20 mln USD

Wagi MiniMax M3.1 Flash zostały opublikowane na Hugging Face 23 października 2026 r., cztery dni po premierze samego modelu 19 października. Pobranie obejmuje łącznie 428 miliardów parametrów, z czego 23 miliardy są aktywne na token, a repozytorium ma 252,4 GB: 48 shardów wag plus 2,3 GB draftu do dekodowania spekulacyjnego. To prawdziwe wydanie open-weights, ale nie jest to wydanie open-source. Licencja to własna licencja społecznościowa MiniMax, która wymaga podania autorstwa przy każdym komercyjnym wdrożeniu oraz uprzedniej pisemnej zgody MiniMax, gdy roczny przychód przekroczy 20 mln USD.

Ta różnica ma większe znaczenie niż liczba parametrów. Każdy, kto przeczytał „open weights” i założył MIT lub Apache-2.0, ma przed sobą niespodziankę przy zakupach. Każdy, kto tylko potrzebuje wywoływać model, prawdopodobnie powinien całkowicie zignorować pobieranie: hostowane API nadal kosztuje 0,15 USD za milion tokenów wejściowych i 0,60 USD za milion tokenów wyjściowych, a cztery dni plików wag nie zmieniają tej arytmetyki dla zespołu wysyłającego kilka miliardów tokenów miesięcznie.

Co tak naprawdę znajduje się w repozytorium

Karta modelu odpowiada na pytania specyfikacyjne, które MiniMax w poście premierowym pozostawił niejasne. Kluczowe liczby to te, których nie wolno pomieszać, ponieważ kilka z nich różni się od podsumowań z dnia premiery, które krążyły bez karty modelu, z którą można by je skonfrontować.

• Parametry — 428 miliardów łącznie, 23 miliardy aktywowane na token, natywna multimodalna mieszanina ekspertów

• Pobieranie — łącznie 252,4 GB: 48 shardów safetensors oraz 2,3 GB draftującego modelu DSpark do dekodowania spekulatywnego

• Kontekst — 1 000 000 tokenów wejściowych; do 524 288 tokenów wyjściowych

• Wejścia i wyjścia — tekst, obraz i wideo na wejściu; tekst na wyjściu

• Precyzja — eksperci routowani i ścieżka KV rzadkiej uwagi są trenowane pod NVFP4, a współdzieleni eksperci są utrzymywani w MXFP8; ścieżka zapytań pozostaje w FP8

• Obsługa — vLLM, SGLang i TokenSpeed to zalecane ścieżki, z kontenerami vLLM dostępnymi od dnia premiery dla NVIDIA i AMD

• Licencja — minimax-community, zgłoszona na Hugging Face jako license: other

• Cena hostowana — 0,15 USD za dane wejściowe, 0,60 USD za dane wyjściowe, 0,015 USD za dane wejściowe z pamięci podręcznej za milion tokenów

Podział 428B/23B to ten sam, który MiniMax podaje od premiery. Liczba 252 GB to nowa informacja dla każdego, kto planuje wdrożenie: to rzeczywisty rozmiar artefaktu, który trzeba by przepuścić przez przegląd bezpieczeństwa, a nie teoretyczna liczba parametrów pomnożona przez dwa bajty. Limit wyjściowy to kolejna liczba warta uwagi. Dokumentacja API MiniMax dopuszcza 524,288 tokenów wyjściowych, znacznie powyżej limitu 65,536 tokenów w Gemini 3.8 Flash i powyżej DeepSeek V4.1 Flash na poziomie 384,000. To zdolność długiego generowania, której post startowy nie wysunął na pierwszy plan.

Licencja to ta część, którą warto przeczytać dwa razy

MiniMax nazywa to wydaniem z otwartymi wagami i w zwykłym znaczeniu tego określenia — pliki do pobrania, bez klucza API — tak jest. To na poziomie licencji słowo „open” zaczyna znaczyć mniej. Licencja społecznościowa MiniMax zapewnia bezpłatne użytkowanie, modyfikację i redystrybucję w celach niekomercyjnych. Użycie komercyjne jest dozwolone, ale wiąże się z dwoma obowiązkami, których MIT nie ma.

Pierwsza kwestia to informacja o autorstwie. Komercyjne wdrożenie musi w wyraźny sposób wyświetlać „Built with MiniMax M3” na powiązanej stronie internetowej, w interfejsie użytkownika, we wpisie na blogu, na stronie „o nas” lub w dokumentacji produktu. Model to M3.1 Flash; wymagany ciąg nadal brzmi M3, a to właśnie taki szczegół, który łatwo przeoczyć, dopóki nie wychwyci go przegląd prawny.

Druga kwestia to próg przychodów. Przy rocznych przychodach wynoszących 20 mln USD lub mniej firma jest zobowiązana przesłać MiniMax jednorazowe powiadomienie e-mailem. Powyżej 20 mln USD potrzebuje uprzedniej pisemnej zgody MiniMax przed wykorzystaniem komercyjnym. Licencja definiuje użytek komercyjny wystarczająco szeroko, aby obejmować oferowanie produktu lub usługi opierających się na modelu, uruchamianie komercyjnego API w oparciu o niego oraz wdrażanie dostrojonej lub poddanej dodatkowemu treningowi wersji do celów komercyjnych. Działalność w zakresie hostowanego wnioskowania oparta na tych wagach w pełni mieści się w tej definicji.

To nie jest powód, by unikać tego wydania. To powód, by czytać je poprawnie. Dla startupu poniżej progu praktyczny koszt to e-mail i jedna linia atrybucji. Dla większej firmy to rozmowa licencyjna z chińskim laboratorium, w terminie kontrolowanym przez MiniMax. Porównaj to z DeepSeek V4.1 Flash, który jest udostępniany na licencji MIT i nie wymaga żadnego powiadomienia, a warunki w obszarze otwartych wag nie są równe, nawet gdy oba checkpointy można pobrać.

252 GB to łatwa liczba; 76 równoczesnych sekwencji to ta przydatna.

Ciekawy szczegół dotyczący obsługi pochodzi z wpisu vLLM z dnia premierowego, który jest bardziej konkretny niż własne materiały premierowe MiniMax. Według obliczeń vLLM checkpoint NVFP4 zajmuje 250,1 GB wobec 451,5 GB dla MiniMax-M3 w MXFP8 — redukcja o 44,6%. Pamięć podręczna KV spada z 61 440 bajtów na token do 34 560, czyli o 43,75%, ponieważ zarówno indekser rzadkiej uwagi, jak i ścieżka uwagi działają w NVFP4.

Konsekwencją jest współbieżność przy długim kontekście, czyli liczba, która decyduje o tym, czy samodzielne hostowanie jest wykonalne. Na czterech GPU NVIDIA B300 przy sekwencjach 256K tokenów vLLM podaje 76 równoczesnych sekwencji dla M3.1 Flash, podczas gdy M3 z FP8 KV cache mieści 28 — około 2,7 razy więcej. Na wrażliwym na opóźnienia krańcu testu GB300 AgentX stos utrzymuje 418,9 tokenów wyjściowych na sekundę na użytkownika, obsługując łącznie 38,6K tokenów na sekundę na GPU. Na krańcu przepustowości osiąga 153,8K łącznych tokenów na sekundę na GPU przy około 127 tokenów na sekundę na użytkownika. W tej samej konfiguracji na Rubin osiągnięto 724,9 tokenów na sekundę na użytkownika, a na AMD MI355X — 331.

To są benchmarki frameworka na konkretnym sprzęcie, a nie niezależne pomiary produkcyjne. Wciąż są jednak najbardziej użytecznymi liczbami w wydaniu, ponieważ odpowiadają na pytanie, na które liczba parametrów nie potrafi odpowiedzieć: ile żądań z długim kontekstem zmieści się na serwerze, który faktycznie można wynająć. Model 428B, który mieści 76 równoległych sekwencji 256K na czterech GPU, to inny obiekt zakupowy niż model 428B, który mieści osiem.

Ile kosztuje self-hosting i kiedy API nadal wygrywa

Próg rentowności w przypadku modeli z otwartymi wagami to kwestia wykorzystania, a nie ceny. Przy 0,60 USD za milion tokenów wyjściowych miliard tokenów wyjściowych miesięcznie kosztuje 600 USD za pośrednictwem API MiniMax. Cztery karty GPU B300 kosztują znacznie więcej niż to — czy to w wynajmie, czy we własności — jeszcze przed doliczeniem energii, sieci i inżyniera, który utrzymuje stos obsługi w aktualnym stanie. Zespół, który potrafi utrzymać te GPU w pełnym obciążeniu przy przepustowości z górnego zakresu benchmarku vLLM, kupuje tokeny po zupełnie innej efektywnej stawce; zespół, który potrzebuje ich przez dwie godziny dziennie, dotuje bezczynny krzem.

Obciążenia uzasadniające pobranie to te, w których cena API nie jest wiążącym ograniczeniem. Dane, które nie mogą opuścić kontrolowanego środowiska. Uruchomienia dostrajania wymagające dostępu do wag, przy których vLLM raportuje RL end-to-end z veRL, FSDP2 i LoRA rangi 32 na checkpoincie NVFP4, oraz 200-krokowy przebieg GRPO, który podniósł dokładność w AIME-2024 z 36,3% do 67,5% na 16 GB300. Pętle agentowe wrażliwe na opóźnienia, w których przeskok sieciowy i kolejka dostawcy są częścią p95. Oraz zadania wsadowe wystarczająco duże, by stały klaster wygrywał z rozliczeniem za zużycie.

Dla wszystkich pozostałych hostowana ścieżka pozostaje rozsądnym domyślnym wyborem i to wydanie tego nie zmienia. Wagi to opcja strategiczna, a nie oszczędność kosztów, która pojawia się domyślnie.

Czego nie naprawiają wagi

Trzy problemy pozostają nietknięte po pobraniu. Pierwszym z nich jest niezawodność. Ewaluacja AA-Omniscience przeprowadzona przez Artificial Analysis uplasowała M3.1 Flash na 16. miejscu w ogólnym zestawieniu, przy 93-procentowym wskaźniku halucynacji: gdy model nie znał odpowiedzi, niemal za każdym razem i tak jej udzielał, zamiast się powstrzymać. To zmierzone zachowanie, a nie twierdzenie dostawcy, i jest to coś, co ma większe znaczenie w agencie, który może podejmować działania, niż w chatbotcie, którego można zignorować. Otwarte wagi pozwalają dostroić model tak, by to obejść; nie sprawiają jednak, że problem znika już na poziomie checkpointu.

Druga kwestia to pochodzenie benchmarku. Liczby z premiery — DeepSWE v1.1 na poziomie 73,7%, Agents' Last Exam na poziomie 29,6, OSWorld V2 na poziomie 61,7, CyberGym na poziomie 82,2, BankerToolBench na poziomie 76,2 — pochodzą z własnych uruchomień MiniMax na wybranych przez MiniMax środowiskach testowych. Żadnej z nich nie odtworzono niezależnie. Karta modelu wprost ostrzega, że kwantyzacje firm trzecich mogą się różnić, co jest przydatnym przyznaniem: liczby te opisują oficjalne wagi w konfiguracji MiniMax, a nie to, co wygeneruje Twój stos serwowania po dodatkowej kwantyzacji.

Trzecią kwestią jest kontrola. Nie można wyłączyć myślenia: API MiniMax odrzuca thinking: {"type": "disabled"} z HTTP 400, a jedynym mechanizmem regulacji jest pięciostopniowa drabinka wysiłku od low do max, przy czym max jest wartością domyślną, gdy pole zostanie pominięte. Tokeny myślenia są rozliczane jako output i wliczają się do max_tokens. W Intelligence Index model zużył około 180 milionów tokenów wyjściowych, znacznie powyżej mediany, dlatego jego koszt $0.22 na ukończone zadanie jest lepszy, niż sugeruje stawka za token, ale nadal jest kształtowany przez rozwlekłość.

Jak to teraz nazwać

MiniMax M3.1 Flash jest dostępny przez własne API MiniMax, M Plan i MiniMax Code oraz przez kilka platform zewnętrznych. Nie ma go dziś w katalogu OrcaRouter i ten artykuł nie twierdzi, że jest. OrcaRouter kieruje natomiast ruch do pozostałych modeli z rodziny oraz modeli, z którymi zwykle się je porównuje: MiniMax-M3, DeepSeek V4.1 Flash i Gemini 3.8 Flash odpowiadają na jednym kluczu, w cenie katalogowej dostawcy z marżą 0% i z automatycznym przełączaniem awaryjnym między trasami. Jeśli testujesz M3.1 Flash przeciwko obecnie używanemu rozwiązaniu, daje ci to stronę obecnego rozwiązania w porównaniu bez drugiej umowy oraz miejsce, do którego możesz przełączyć się awaryjnie, gdy nowy model zbiera historię operacyjną.

Jeśli hostujesz samodzielnie, kontener vLLM to najkrótsza droga, a przepis NVFP4 to ten, który opisują powyższe liczby. Jeśli wywołujesz API, wydanie niewiele zmienia w tym tygodniu poza twoimi opcjami zakupowymi.

Uczciwe podsumowanie jest takie, że wagi są prawdziwe, historia serwowania jest mocniejsza niż oczekiwano, a licencja jest bardziej restrykcyjna, niż przygotowuje na to fraza „open weights”. MiniMax udostępnił naprawdę pobieralny model 428B z przepisem na cztery GPU i rozmiarem 252 GB. Nie udostępnił tego modelu na licencji MIT, a różnica będzie miała znaczenie dokładnie dla tych firm, które są wystarczająco duże, by przejmować się progiem 20 milionów dolarów.