Параметры MiniMax M3.1 Flash: 428 млрд всего, 23 млрд активных — и число, которое определяет ваш счёт.

MiniMax M3.1 Flash

Что на самом деле опубликовала MiniMax

MiniMax выпустила MiniMax M3.1 Flash 19 октября 2026 года и выложила веса на Hugging Face 23 октября. Карточка модели отвечает на вопросы о спецификации, которые пост о запуске оставил без уточнений, и некоторые её цифры отличаются от сводок, циркулировавших в промежутке.

• Параметры — 428 млрд в общей сложности, 23 млрд активируются на каждый токен, в нативной мультимодальной архитектуре смеси экспертов.

• Скачать — 252,4 ГБ в 48 шардах safetensors, плюс 2,3 ГБ драфтер DSpark для спекулятивного декодирования.

• Контекст и вывод — 1 000 000 входных токенов; до 524 288 выходных токенов.

• Модальности — текст, изображение и видео на входе; текст на выходе.

• Точность — маршрутизируемые эксперты и KV-путь разреженного внимания обучены для NVFP4, общие эксперты хранятся в MXFP8, а путь запросов остаётся FP8.

• Обслуживание — vLLM, SGLang и TokenSpeed являются рекомендуемыми вариантами, с контейнерами vLLM day-0 для NVIDIA и AMD.

• Цена на хостинговом API — $0.15 за миллион входных токенов, $0.60 за выходные, $0.015 за чтение кэшированного ввода.

• Лицензия — minimax-community, указана на Hugging Face как code>license: other/code>, что не является MIT и не Apache.

Общий показатель против активного: что делают 23 миллиарда

Плотная модель с 428 миллиардами параметров задействовала бы каждый параметр для каждого токена. Смесь экспертов направляет каждый токен к подмножеству экспертов, поэтому вычисления на токен определяются показателем в 23 миллиарда активных параметров, а объём памяти — общим числом в 428 миллиардов. Именно из-за этого разделения два числа обычно приводят вместе, и поэтому указание только одного из них вводит в заблуждение в предсказуемом направлении: общее число говорит, какое оборудование вам нужно, а число активных параметров примерно показывает, во сколько вычислений обходится токен.

Практическое следствие состоит в том, что 23 млрд активных параметров — это не «модель с 23 млрд параметров». Это модель с 428 млрд параметров сохранённых знаний и 23 млрд параметров работы на каждый токен — что разумно объясняет, почему она может быть быстрой при запуске и сравнительно тяжёлой для хостинга.

Цифра 252,4 ГБ — вот как это выглядит в документе о закупке: не теоретическое число параметров, умноженное на два байта, а артефакт, который вы проводите через проверку безопасности. Именно выбор обучения в NVFP4 удерживает его на этом уровне. В расчётах vLLM чекпоинт NVFP4 занимает 250,1 ГБ против 451,5 ГБ у MiniMax-M3 в MXFP8 — сокращение на 44,6% — а кэш KV падает с 61 440 байт на токен до 34 560, сокращение на 43,75%, поскольку и индексатор разреженного внимания, и путь внимания работают в NVFP4.

Во что параметры обходятся во время обслуживания

Число, которое не даёт количество параметров, — это конкурентность, и именно она решает, жизнеспособен ли самостоятельный хостинг. На четырёх GPU NVIDIA B300 при последовательностях длиной 256 000 токенов vLLM сообщает о 76 одновременных последовательностях для MiniMax M3.1 Flash, тогда как MiniMax-M3 с кэшем KV в FP8 вмещает 28 — примерно в 2,7 раза больше. На ориентированном на задержку конце прогона GB300 AgentX стек поддерживает 418,9 выходных токена в секунду на пользователя, обслуживая при этом 38,6 тыс. суммарных токенов в секунду на GPU; на ориентированном на пропускную способность конце он достигает 153,8 тыс. суммарных токенов в секунду на GPU при примерно 127 токенах в секунду на пользователя. На Rubin та же конфигурация показывает 724,9 токена в секунду на пользователя, а на AMD MI355X — 331.

Это бенчмарки фреймворка на конкретном оборудовании, опубликованные самим фреймворком, а не независимые измерения в производственной среде. Они всё же полезнее для принятия решений, чем любая строка бенчмарка, потому что модель на 428B, вмещающая 76 одновременных последовательностей по 256K на четырёх GPU, — это другой объект закупки, чем модель, вмещающая восемь.

Стоимость в 23 миллиарда — это не цена токена.

Вот где история с параметрами и счёт расходятся. MiniMax M3.1 Flash стоит $0.15 и $0.60 — это половина цены ввода и примерно четверть цены вывода Gemini 3.5 Flash-Lite. По показателю стоимости за выполненную задачу от Artificial Analysis он всё ещё проигрывает: $0.22 против $0.19.

Причина видна в том же наборе данных. В рамках Intelligence Index модель израсходовала примерно 180 миллионов выходных токенов при медиане около 100 миллионов у моделей, которые отслеживает Artificial Analysis. Мышление нельзя отключить — API MiniMax отклоняет code>thinking: {"type": "disabled"}/code> с ошибкой 400, и единственный рычаг — пятиступенчатая шкала усилий от low до max, причём max используется по умолчанию, если поле не указано. Токены мышления тарифицируются как выходные и учитываются в code>max_tokens/code>.

Итак, точная сводка экономики параметров такова: активное количество достаточно мало, чтобы модель оставалась быстрой, а уровень многословности достаточно высок, чтобы счёт не оказался таким маленьким, как предполагает тарифный план, и эти два факта никак не связаны между собой. В агентных задачах и работе с кодом обдумывание, как правило, оправдывает затраченные токены. В задачах извлечения данных или классификации — нет.

Результат по интеллекту приличный, но не передовой: 43 балла в Artificial Analysis Intelligence Index — пятое место среди 173 моделей, Terminal-Bench 4.0 — 26%, AutomationBench-AA — 73%, GDPval-AA — 1,458 и SciCode — 53%. А вот результат по воздержанию от ответа — это то, вокруг чего нужно строить дизайн: AA-Omniscience оценивает его в 16 при уровне галлюцинаций 93%, то есть когда модель не знала ответа, она почти каждый раз всё равно отвечала, вместо того чтобы воздержаться.

Скорость, измеренная двумя способами

Опубликованные показатели скорости расходятся, и это расхождение скорее информативно, чем тревожно. Artificial Analysis зафиксировала 1,48 секунды до первого токена при 95,6 выходных токена в секунду; в собственных материалах MiniMax заявлена медиана выше 170 токенов в секунду с пиками выше 200. На это число сильно влияют путь обработки запроса и условия измерений, поэтому наш собственный маршрут стоит привести отдельно: p50 — 1,29 секунды до первого токена и p95 — 4,40 секунды за последние семь дней трафика на code>minimax/minimax-m3.1-flash/code>.

Такова структура маршрутизируемой модели. Честный способ сравнить её с действующим решением — измерить собственный маршрут, а не доверять единственной цифре от любого из поставщиков.

Строка лицензии является частью спецификации.

С весами модели связаны два обязательства, и ни одно из них не фигурирует в подсчёте параметров. Коммерческие развертывания должны заметно отображать строку "Built with MiniMax M3" на связанном веб-сайте, в интерфейсе, публикации в блоге, на странице «О нас» или в документации продукта — модель — это M3.1 Flash, а требуемая атрибуция по-прежнему указывает M3, и это как раз та деталь, которую юридическая проверка замечает с опозданием. А при годовой выручке в $20 млн или ниже компания должна однократно уведомить MiniMax по электронной почте; выше этого порога для коммерческого использования требуется предварительное письменное разрешение.

Лицензия определяет коммерческое использование достаточно широко, чтобы охватывать продукт, построенный на модели, коммерческий API поверх неё и развёртывание дообученной модели. Для стартапа ниже порога затраты — это одно письмо и строка с указанием авторства. Для более крупной компании это разговор о лицензировании в сроки, которые контролирует MiniMax. DeepSeek V4.1 Flash поставляется под MIT и вообще не требует уведомления — поэтому «открытые веса» не являются единой категорией, даже когда оба чекпоинта можно скачать.

Позвоните или скачайте

Вопрос безубыточности при использовании открытых весов — это вопрос загрузки. При цене $0.60 за миллион выходных токенов миллиард выходных токенов в месяц обходится в $600 через хостинговый API; четыре GPU B300 стоят больше уже до учёта электроэнергии, сетевой инфраструктуры и инженера, который поддерживает стек обслуживания в актуальном состоянии. Скачивание выигрывает для данных, которые не могут покинуть контролируемую среду, для прогонов тонкой настройки, которым нужен доступ к весам — vLLM сообщает о сквозном RL с veRL, FSDP2 и LoRA ранга 32 на контрольной точке NVFP4, а также о прогоне GRPO на 200 шагов, который поднял точность AIME-2024 с 36.3% до 67.5% на 16 GB300, — и для пакетных заданий, достаточно крупных, чтобы фиксированный кластер оказался выгоднее оплаты по счётчику.

Для всех остальных хостинговый маршрут — разумный вариант по умолчанию, а MiniMax M3.1 Flash присутствует в каталоге OrcaRouter как code>minimax/minimax-m3.1-flash/code> по прайс-листовой цене провайдера с наценкой 0%: $0.15 за вход, $0.60 за выход, $0.015 за кэш, один ключ рядом с MiniMax-M3 и моделями, с которыми его обычно включают в один шорт-лист. Автоматическое переключение при сбое покрывает случай, когда у провайдера выдался неудачный день, а DSL маршрутизации позволяет отправить сложный этап конвейера более сильной модели, пока основная часть остаётся здесь.

Если вопрос о параметрах привёл вас сюда, короткий ответ — 428 млрд всего и 23 млрд активных. Длинный ответ: ни одного из этих чисел нет в вашем счёте, а два, которые есть, — это выходные токены, которые модель решает потратить, и порог лицензии, который вы однажды можете пересечь.

Примечание об источниках: количество параметров, репозиторий объёмом 252,4 ГБ, схема точности, условия лицензирования и строки вендорских бенчмарков взяты из карточки модели и материалов запуска MiniMax, с которыми мы ознакомились 26 октября 2026 г. Размеры контрольных точек NVFP4, объём KV-кэша в байтах на токен, показатели параллелизма, значения пропускной способности и результат GRPO взяты из публикации vLLM day-0 и представляют собой бенчмарки фреймворка на указанном оборудовании. Оценка Intelligence Index, стоимость задачи, оценка расхода токенов и показатели AA-Omniscience принадлежат Artificial Analysis. Цены, размер контекста и p50 в 1,29 секунды взяты из каталога OrcaRouter и из наших собственных данных о трафике за семь дней.