MiniMax M3.1 Flash เปิดตัวค่าน้ำหนักโมเดลแล้ว: 428B, 252 GB และเงื่อนไขสิทธิ์การใช้งานมูลค่า $20M

น้ำหนักโมเดล MiniMax M3.1 Flash ถูกอัปโหลดขึ้นบน Hugging Face เมื่อวันที่ 23 ตุลาคม 2026 ซึ่งเป็นสี่วันหลังจากตัวโมเดลเปิดตัวเมื่อวันที่ 19 ตุลาคม การดาวน์โหลดมีพารามิเตอร์ทั้งหมด 428 พันล้านตัว โดยมี 23 พันล้านตัวที่ใช้งานต่อโทเคน และรีโพซิทอรีมีขนาด 252.4 GB ประกอบด้วยไฟล์ชาร์ดน้ำหนัก 48 ไฟล์ บวกกับดราฟเตอร์สำหรับการถอดรหัสแบบคาดการณ์ขนาด 2.3 GB นี่เป็นการเผยแพร่น้ำหนักแบบเปิดจริง และไม่ใช่การเผยแพร่แบบโอเพนซอร์ส สัญญาอนุญาตเป็นสัญญาอนุญาตชุมชนของ MiniMax เอง ซึ่งกำหนดให้ต้องแสดงเครดิตในการติดตั้งใช้งานเชิงพาณิชย์ทุกครั้ง และต้องได้รับอนุญาตเป็นลายลักษณ์อักษรล่วงหน้าจาก MiniMax เมื่อรายได้ต่อปีเกิน 20 ล้านดอลลาร์สหรัฐ

ความแตกต่างนั้นสำคัญกว่าจำนวนพารามิเตอร์เสียอีก ใครก็ตามที่อ่านคำว่า “open weights” แล้วสรุปว่าเป็น MIT หรือ Apache-2.0 กำลังจะเจอความประหลาดใจในขั้นตอนจัดซื้อ ใครที่เพียงแค่ต้องเรียกใช้โมเดลก็ควรเพิกเฉยต่อการดาวน์โหลดไปเลย โดยทั่วไป API แบบโฮสต์ยังคงราคา $0.15 ต่อล้านโทเคนอินพุต และ $0.60 ต่อล้านโทเคนเอาต์พุต และไฟล์น้ำหนักที่มีอายุสี่วันก็ไม่ได้เปลี่ยนการคำนวณนั้นสำหรับทีมที่ส่งโทเคนไม่กี่พันล้านต่อเดือน

จริงๆ แล้วมีอะไรอยู่ในรีโพซิทอรี

การ์ดโมเดลตอบคำถามด้านสเปกที่โพสต์เปิดตัวของ MiniMax ทิ้งไว้อย่างคลุมเครือ ตัวเลขพาดหัวคือสิ่งที่ต้องจำให้แม่น เพราะหลายตัวแตกต่างจากบทสรุปในวันเปิดตัวที่เผยแพร่กันโดยไม่มีการ์ดโมเดลไว้ตรวจสอบเทียบเคียง

• พารามิเตอร์ — รวม 428,000 ล้าน, เปิดใช้งาน 23,000 ล้านต่อโทเค็น, เป็น mixture-of-experts แบบมัลติโมดัลโดยกำเนิด

• ดาวน์โหลด — รวม 252.4 GB: 48 ชาร์ด safetensors พร้อมดราฟเตอร์ DSpark ขนาด 2.3 GB สำหรับการถอดรหัสแบบคาดการณ์

• คอนเท็กซ์ — 1,000,000 โทเค็นอินพุต; สูงสุด 524,288 โทเค็นเอาต์พุต

• อินพุตและเอาต์พุต — รับข้อความ รูปภาพ และวิดีโอเป็นอินพุต; ส่งข้อความออกเป็นเอาต์พุต

• ความแม่นยำ — routed experts และเส้นทาง KV ของ sparse attention ถูกฝึกมาสำหรับ NVFP4 โดย shared experts ถูกเก็บไว้ใน MXFP8 ส่วนเส้นทาง query ยังคงเป็น FP8

• {{1}}การให้บริการ{{/1}} — {{2}}vLLM{{/2}}, {{3}}SGLang{{/3}} และ {{4}}TokenSpeed{{/4}} คือเส้นทางที่แนะนำ พร้อมคอนเทนเนอร์ vLLM แบบ day-0 สำหรับ NVIDIA และ AMD

• สัญญาอนุญาต — minimax-community ระบุบน Hugging Face เป็น license: other

• ราคาโฮสต์ — อินพุต $0.15, เอาต์พุต $0.60, อินพุตที่แคชไว้ $0.015 ต่อล้านโทเคน

การแบ่ง 428B/23B เป็นชุดเดียวกับที่ MiniMax อ้างถึงตั้งแต่เปิดตัว 252 GB เป็นข้อมูลใหม่สำหรับใครที่วางแผนจะดีพลอย: นี่คือขนาดจริงของอาร์ติแฟกต์ที่คุณจะต้องนำผ่านการตรวจสอบความปลอดภัย ไม่ใช่จำนวนพารามิเตอร์ตามทฤษฎีคูณด้วยสองไบต์ เพดานเอาต์พุตเป็นอีกตัวเลขหนึ่งที่น่าสังเกต เอกสาร API ของ MiniMax อนุญาตโทเค็นเอาต์พุต 524,288 โทเค็น ซึ่งสูงกว่าเพดาน 65,536 โทเค็นของ Gemini 3.8 Flash มาก และสูงกว่า DeepSeek V4.1 Flash ซึ่งมี 384,000 โทเค็น นั่นคือความสามารถในการสร้างข้อความยาวที่โพสต์เปิดตัวไม่ได้ยกขึ้นมาเป็นจุดเด่น

ใบอนุญาตคือส่วนที่ต้องอ่านสองครั้ง

MiniMax เรียกสิ่งนี้ว่าเป็นการเปิดตัวแบบ open-weights และตามความหมายทั่วไปของวลีนี้ — ไฟล์ที่ดาวน์โหลดได้ ไม่ต้องใช้คีย์ API — ก็เป็นเช่นนั้นจริง จุดที่คำว่า "open" เริ่มทำงานได้น้อยลงคือเรื่องสัญญาอนุญาต สัญญาอนุญาต MiniMax Community Licence ให้ใช้ ดัดแปลง และเผยแพร่ต่อได้ฟรีเพื่อวัตถุประสงค์ที่ไม่ใช่เชิงพาณิชย์ อนุญาตให้ใช้เชิงพาณิชย์ได้ แต่มาพร้อมข้อผูกพันสองข้อที่ MIT ไม่มี

ประการแรกคือการระบุแหล่งที่มา การใช้งานเชิงพาณิชย์ต้องแสดง "Built with MiniMax M3" อย่างเด่นชัดบนเว็บไซต์ที่เกี่ยวข้อง ส่วนติดต่อผู้ใช้ โพสต์บล็อก หน้าเกี่ยวกับ หรือเอกสารผลิตภัณฑ์ โมเดลคือ M3.1 Flash แต่ข้อความที่กำหนดยังระบุว่า M3 ซึ่งเป็นรายละเอียดประเภทที่มักถูกมองข้ามจนกว่าการตรวจสอบทางกฎหมายจะจับได้

ข้อที่สองคือเกณฑ์รายได้ หากมีรายได้ต่อปีไม่เกิน 20 ล้านดอลลาร์ บริษัทต้องแจ้ง MiniMax ครั้งเดียวทางอีเมล หากเกิน 20 ล้านดอลลาร์ ต้องได้รับอนุญาตเป็นลายลักษณ์อักษรล่วงหน้าจาก MiniMax ก่อนการใช้งานเชิงพาณิชย์ สัญญาอนุญาตนิยามการใช้งานเชิงพาณิชย์ไว้กว้างพอที่จะครอบคลุมการเสนอผลิตภัณฑ์หรือบริการที่พึ่งพาโมเดลนี้ การให้บริการ API เชิงพาณิชย์บนพื้นฐานของโมเดล และการนำเวอร์ชันที่ปรับแต่งเพิ่มเติม (fine-tuned) หรือผ่านการฝึกหลังการฝึก (post-trained) ไปใช้งานเพื่อวัตถุประสงค์เชิงพาณิชย์ ธุรกิจให้บริการ inference แบบโฮสต์ที่สร้างบนค่าน้ำหนักเหล่านี้จัดอยู่ในนิยามดังกล่าวอย่างชัดเจน

นั่นไม่ใช่เหตุผลที่จะหลีกเลี่ยงการเปิดตัว แต่เป็นเหตุผลที่จะอ่านประกาศการเปิดตัวให้ถูกต้อง สำหรับสตาร์ตอัปที่อยู่ต่ำกว่าเกณฑ์ ต้นทุนในทางปฏิบัติคืออีเมลหนึ่งฉบับกับบรรทัดการให้เครดิตหนึ่งบรรทัด สำหรับบริษัทที่ใหญ่กว่า นี่คือการเจรจาเรื่องสิทธิ์อนุญาตกับแล็บจีน ตามกำหนดเวลาที่ MiniMax ควบคุม เทียบกับ DeepSeek V4.1 Flash ซึ่งเผยแพร่ภายใต้ MIT และไม่ต้องแจ้งใด ๆ เลย สนาม open-weights ก็ไม่ได้แข่งขันกันอย่างเท่าเทียม แม้ว่าทั้งสอง checkpoint จะดาวน์โหลดได้ก็ตาม

252 GB เป็นตัวเลขที่เข้าใจง่าย ส่วน 76 ลำดับที่ทำงานพร้อมกันคือตัวเลขที่มีประโยชน์

รายละเอียดที่น่าสนใจเกี่ยวกับการให้บริการมาจากโพสต์ day-0 ของ vLLM ซึ่งเจาะจงมากกว่าเนื้อหาการเปิดตัวของ MiniMax เอง เช็กพอยต์ NVFP4 มีขนาด 250.1 GB ตามการคำนวณของ vLLM เทียบกับ 451.5 GB สำหรับ MiniMax-M3 ใน MXFP8 — ลดลง 44.6% แคช KV ลดจาก 61,440 ไบต์ต่อโทเค็นเหลือ 34,560 ซึ่งลดลง 43.75% เนื่องจากทั้ง indexer ของ sparse-attention และเส้นทางการประมวลผล attention ทำงานใน NVFP4

ผลลัพธ์ที่ตามมาคือจำนวนการทำงานพร้อมกันในบริบทยาว ซึ่งเป็นตัวเลขที่ตัดสินว่าการโฮสต์เองจะทำได้จริงหรือไม่ บน GPU NVIDIA B300 สี่ตัวที่ลำดับ 256K โทเคน vLLM รายงานลำดับที่ทำงานพร้อมกัน 76 ลำดับสำหรับ M3.1 Flash ในขณะที่ M3 ที่มีแคช KV แบบ FP8 รองรับได้ 28 ลำดับ — มากกว่าประมาณ 2.7 เท่า ที่ปลายด้านที่ไวต่อ latency ของการรัน GB300 AgentX สแต็กสามารถรักษา 418.9 โทเคนเอาต์พุตต่อวินาทีต่อผู้ใช้ ขณะให้บริการ 38.6K โทเคนรวมต่อวินาทีต่อ GPU ที่ปลายด้าน throughput ทำได้ถึง 153.8K โทเคนรวมต่อวินาทีต่อ GPU ที่ประมาณ 127 โทเคนต่อวินาทีต่อผู้ใช้ บน Rubin สูตรเดียวกันรายงาน 724.9 โทเคนต่อวินาทีต่อผู้ใช้ และบน AMD MI355X รายงาน 331

นั่นคือ benchmark ของเฟรมเวิร์กบนฮาร์ดแวร์เฉพาะ ไม่ใช่การวัดในสภาพการผลิตที่เป็นอิสระ แต่ก็ยังเป็นตัวเลขที่มีประโยชน์ที่สุดในรีลีสนี้ เพราะมันตอบคำถามที่จำนวนพารามิเตอร์ตอบไม่ได้: มีคำขอแบบบริบท{longที่ใส่ในเครื่องที่คุณเช่าได้จริงได้กี่คำขอ โมเดล 428B ที่รองรับลำดับ 256K พร้อมกันได้ 76 ลำดับบน GPU สี่ตัว เป็นของที่ต้องจัดซื้อคนละแบบกับโมเดล 428B ที่รองรับได้แปดลำดับ

ต้นทุนของการโฮสต์เองคืออะไร และเมื่อใดที่ API ยังคงได้เปรียบ

จุดคุ้มทุนของ open weights เป็นคำถามเรื่องการใช้ประโยชน์ ไม่ใช่คำถามเรื่องราคา ที่ $0.60 ต่อล้านโทเคนเอาต์พุต การผลิตหนึ่งพันล้านโทเคนเอาต์พุตต่อเดือนมีค่าใช้จ่าย $600 ผ่าน API ของ MiniMax GPU B300 สี่ตัวมีค่าใช้จ่ายในการเช่าหรือเป็นเจ้าของสูงกว่านั้นมากก่อนจะรวมค่าไฟ เครือข่าย และวิศวกรที่ดูแล serving stack ให้ทันสมัย ทีมที่สามารถทำให้ GPU เหล่านั้นทำงานเต็มกำลังที่ปลายด้าน throughput ของ benchmark vLLM กำลังซื้อโทเคนในอัตราที่มีผลจริงที่แตกต่างออกไปมาก ส่วนทีมที่ต้องการใช้เพียงวันละสองชั่วโมงกำลังอุดหนุนซิลิคอนที่ไม่ได้ใช้งาน

งานเวิร์กโหลดที่ทำให้การดาวน์โหลดนั้นสมเหตุสมผล คือกลุ่มที่ราคา API ไม่ใช่ข้อจำกัดที่มีผลผูกพัน ข้อมูลที่ไม่สามารถออกจากสภาพแวดล้อมที่ควบคุมได้ การรัน fine-tuning ที่ต้องเข้าถึงน้ำหนักโมเดล ซึ่ง vLLM รายงานว่า RL แบบ end-to-end ด้วย veRL, FSDP2 และ LoRA แรงก์ 32 บนเช็กพอยต์ NVFP4 และการรัน GRPO 200 ขั้นที่ยกระดับความแม่นยำ AIME-2024 จาก 36.3% เป็น 67.5% บน GB300 จำนวน 16 ตัว ลูปเอเจนต์ที่ไวต่อเวลาแฝง ซึ่งการกระโดดผ่านเครือข่ายและคิวของผู้ให้บริการเป็นส่วนหนึ่งของ p95 และงานแบตช์ที่ใหญ่พอจนคลัสเตอร์แบบคงที่คุ้มกว่าค่าใช้จ่ายแบบคิดตามการใช้งาน

สำหรับคนอื่นๆ ทั้งหมด เส้นทางแบบโฮสต์ยังคงเป็นค่าเริ่มต้นที่สมเหตุสมผล และการเปิดตัวนี้ไม่ได้เปลี่ยนสิ่งนั้น เวตเป็นทางเลือกเชิงกลยุทธ์ ไม่ใช่การลดต้นทุนที่มาพร้อมค่าเริ่มต้นโดยอัตโนมัติ

สิ่งที่เวตไม่ได้แก้ไข

แม้ดาวน์โหลดมาแล้ว ก็ยังมีสามปัญหาที่คงอยู่ครบถ้วน ปัญหาแรกคือความน่าเชื่อถือ การประเมิน AA-Omniscience ของ Artificial Analysis ให้คะแนนโดยรวมของ M3.1 Flash อยู่ที่ 16 พร้อมอัตราการสร้างข้อมูลเท็จ 93%: เมื่อโมเดลไม่รู้คำตอบ แทบทุกครั้งมันก็ยังตอบออกไปแทนที่จะงดตอบ นี่เป็นพฤติกรรมที่วัดได้ ไม่ใช่คำกล่าวอ้างของผู้จำหน่าย และเป็นเรื่องประเภทที่สำคัญกว่าในเอเจนต์ที่ลงมือทำได้ มากกว่าในแชตบอตที่เพิกเฉยได้ น้ำหนักแบบเปิดช่วยให้คุณ fine-tune เพื่อรับมือกับเรื่องนี้ได้ แต่มันไม่ได้ทำให้ปัญหานี้หายไปที่เช็กพอยต์

ข้อที่สองคือที่มาของ benchmark ตัวเลขตอนเปิดตัว — DeepSWE v1.1 ที่ 73.7%, Agents' Last Exam ที่ 29.6, OSWorld V2 ที่ 61.7, CyberGym ที่ 82.2, BankerToolBench ที่ 76.2 — เป็นการรันของ MiniMax เองบน harness ที่ MiniMax เลือกไว้ ยังไม่มีการทำซ้ำอย่างอิสระแม้แต่ตัวเดียว model card เตือนอย่างชัดเจนว่าการควอนไทซ์โดยบุคคลที่สามอาจแตกต่างออกไป ซึ่งเป็นการยอมรับที่เป็นประโยชน์: ตัวเลขเหล่านี้อธิบายน้ำหนักอย่างเป็นทางการภายในการตั้งค่าของ MiniMax ไม่ใช่ผลลัพธ์ใด ๆ ที่ serving stack ของคุณสร้างขึ้นหลังจากที่คุณควอนไทซ์มันเพิ่มเติม

ประการที่สามคือการควบคุม ไม่สามารถปิดการคิดได้: API ของ MiniMax ปฏิเสธ thinking: {"type": "disabled"} ด้วย HTTP 400 และตัวปรับเพียงอย่างเดียวคือบันไดระดับความพยายามห้าขั้นจาก low ถึง max โดยใช้ max เป็นค่าเริ่มต้นเมื่อไม่ระบุฟิลด์นี้ โทเค็นการคิดถูกคิดค่าใช้จ่ายเป็นเอาต์พุตและนับรวมกับ max_tokens บน Intelligence Index โมเดลใช้โทเค็นเอาต์พุตประมาณ 180 ล้านโทเค็น ซึ่งสูงกว่าค่ามัธยฐานมาก นี่คือเหตุผลที่ต้นทุน $0.22 ต่องานที่ทำเสร็จหนึ่งงานดีกว่าที่อัตราต่อโทเค็นบ่งชี้ แต่ก็ยังได้รับอิทธิพลจากความเยิ่นเย้อ

ตอนนี้จะเรียกมันว่าอย่างไร

MiniMax M3.1 Flash ใช้งานได้ผ่าน API ของ MiniMax เอง, M Plan และ MiniMax Code รวมถึงผ่านแพลตฟอร์มบุคคลที่สามหลายแห่ง ปัจจุบันยังไม่มีอยู่ในแคตตาล็อกของ OrcaRouter และบทความนี้ไม่ได้อ้างว่ามี สิ่งที่ OrcaRouter ให้บริการด้าน routing คือโมเดลอื่น ๆ ในตระกูลเดียวกันและโมเดลที่มักถูกนำมาเปรียบเทียบในรอบคัดเลือก: MiniMax-M3, DeepSeek V4.1 Flash และ Gemini 3.8 Flash ล้วนตอบผ่านคีย์เดียว ในราคาตามรายการของผู้ให้บริการโดยไม่บวกราคาเพิ่ม 0% พร้อมระบบ failover อัตโนมัติระหว่างเส้นทาง หากคุณกำลังทดสอบ M3.1 Flash เทียบกับผู้ให้บริการรายเดิม สิ่งนี้จะให้ฝั่งของผู้ให้บริการรายเดิมสำหรับการเปรียบเทียบโดยไม่ต้องมีสัญญาที่สอง และยังมีปลายทางให้ failover ไปได้ระหว่างที่โมเดลใหม่สะสมประวัติการใช้งานจริง

หากคุณโฮสต์เอง คอนเทนเนอร์ vLLM คือเส้นทางที่สั้นที่สุด และสูตร NVFP4 คือสูตรที่ตัวเลขข้างต้นอธิบายไว้ หากคุณเรียกผ่าน API การเปิดตัวครั้งนี้แทบไม่มีอะไรเปลี่ยนแปลงในสัปดาห์นี้ ยกเว้นตัวเลือกการจัดซื้อของคุณ

สรุปตามตรงคือ น้ำหนักโมเดลมีอยู่จริง เรื่องการให้บริการโมเดลแข็งแกร่งกว่าที่คาดไว้ และสัญญาอนุญาตจำกัดมากกว่าที่วลี “open weights” จะเตรียมคุณไว้ MiniMax ได้ปล่อยโมเดลขนาด 428B ที่ดาวน์โหลดได้จริง พร้อมสูตรการใช้งานสี่ GPU และขนาดพื้นที่ 252 GB แต่ยังไม่ได้ปล่อยโมเดลนี้ภายใต้ MIT และความแตกต่างนี้จะสำคัญกับบริษัทที่ใหญ่พอจะใส่ใจบรรทัดมูลค่า 20 ล้านดอลลาร์เท่านั้น