MiniMax M3.1 Flash 权重已发布：428B、252 GB，还有一条 2000 万美元的授权条款

MiniMax M3.1 Flash 的权重于 2026 年 10 月 23 日在 Hugging Face 上线，距该模型本身于 10 月 19 日发布仅过去四天。下载包总计 4280 亿参数，每个 token 激活 230 亿参数，仓库大小为 252.4 GB：包含 48 个权重分片，外加一个 2.3 GB 的推测解码起草器。这是一次真正的开放权重发布，但不是开源发布。其许可证为 MiniMax 自己的社区许可证，要求每次商业部署都注明归属，并且当年收入超过 2000 万美元后，需事先获得 MiniMax 的书面授权。

这一区别比参数量更重要。任何读到“开放权重”就以为它是 MIT 或 Apache-2.0 的人，都会在采购时遇到意外。任何只需要调用模型的人，大概完全可以忽略下载：托管 API 仍然是每百万输入 token 0.15 美元、每百万输出 token 0.60 美元，而对于每月发送几十亿 token 的团队来说，四天的权重文件并不会改变这笔账。

仓库里实际有什么？

模型卡回答了 MiniMax 发布博文中未明确说明的规格问题。其中最需要厘清的是那些头条数字，因为其中若干项与发布当天流传的摘要存在差异，而当时并无模型卡可供核对。

• 参数——总计4280亿，每 token 激活230亿，原生多模态混合专家模型

• 下载 — 总计 252.4 GB：48 个 safetensors 分片，外加一个 2.3 GB 的 DSpark 草稿模型用于推测解码

• 上下文 — 1,000,000 个输入 token；最多 524,288 个输出 token

• 输入与输出——输入文本、图像和视频；输出文本

• 精度 — 路由专家和稀疏注意力 KV 路径均按 NVFP4 进行训练，共享专家则以 MXFP8 保存；查询路径保持为 FP8

• 推理服务 — 推荐使用 vLLM、SGLang 和 TokenSpeed，并提供适用于 NVIDIA 和 AMD 的 Day-0 vLLM 容器

• 许可证 — minimax-community，在 Hugging Face 上登记为 license: other

• 托管价格 — 每百万个 token 输入 $0.15，输出 $0.60，缓存输入 $0.015

428B/23B 的拆分比例与 MiniMax 自发布以来一直引用的相同。252 GB 对任何规划部署的人来说都是新信息：它是你要通过安全审查的制品的实际大小，而不是理论参数量乘以两字节。输出上限是另一个值得注意的数字。MiniMax 的 API 文档允许 524,288 个输出 token，远高于 Gemini 3.8 Flash 的 65,536 token 上限，也高于DeepSeek V4.1 Flash的 384,000。这是发布文章并未在开头重点强调的长生成能力。

许可证是需要读两遍的部分

MiniMax 称这是一次开放权重发布；按这个说法的通常含义——可下载文件、无需 API 密钥——确实如此。问题出在许可证上：在这里，“开放”一词能起的作用开始变小。MiniMax 社区许可证允许出于非商业目的免费使用、修改和再分发。商业使用也被允许，但附带两项 MIT 许可证没有的义务。

第一点是署名。商业部署必须在相关网站、用户界面、博客文章、关于页面或产品文档中醒目地显示“Built with MiniMax M3”。模型是 M3.1 Flash；要求的字符串仍然写着 M3，这种细节往往会被漏掉，直到法务审查才发现。

第二项是收入门槛。年收入在 2000 万美元或以下时，公司需通过电子邮件向 MiniMax 发出一次性通知。超过 2000 万美元时，则在商业使用前需要获得 MiniMax 的事先书面授权。该许可证对商业使用的定义足够宽泛，涵盖提供依赖该模型的产品或服务、在其之上运行商业 API，以及为商业目的部署经过微调或后训练的版本。基于这些权重构建的托管推理业务完全属于该定义范围。

这不是回避该发布的理由，而是正确解读该发布的理由。对于低于门槛的初创公司，实际成本是一封邮件和一行署名。对于规模更大的公司，则是与中国实验室进行许可谈判，时间表由 MiniMax 掌控。相比之下，DeepSeek V4.1 Flash 以 MIT 许可发布，完全无需通知；而且即便两个检查点都可下载，开放权重领域也并非公平竞争。

252 GB 是个简单的数字；76 个并发序列才是有用的指标。

有意思的推理服务细节来自 vLLM 的 day-0 文章，它比 MiniMax 自己的发布材料更具体。NVFP4 检查点在 vLLM 的统计口径下为 250.1 GB，相比之下 MiniMax-M3在 MXFP8 下为 451.5 GB——减少了 44.6%。KV 缓存从每 token 61,440 字节降至 34,560 字节，降幅 43.75%，因为稀疏注意力索引器和注意力路径都运行在 NVFP4 下。

结果是长上下文下的并发能力，而这个数字决定了自托管是否可行。在四块 NVIDIA B300 GPU 上、256K token 序列下，vLLM 报告 M3.1 Flash 有 76 个并发序列，而配备 FP8 KV 缓存的 M3 可容纳 28 个——约多 2.7 倍。在其 GB300 AgentX 运行的延迟敏感端，该技术栈在每 GPU 每秒处理 38.6K 总 token 的同时，维持每用户每秒 418.9 个输出 token。在吞吐端，它达到每 GPU 每秒 153.8K 总 token，每用户约每秒 127 token。在 Rubin 上，同样的方案报告每用户每秒 724.9 token；在 AMD MI355X 上则报告 331。

这些是特定硬件上的框架基准测试，并非独立的生产环境实测数据。但它们仍是本次发布中最有用的数字，因为它们回答了一个参数量无法回答的问题：在你实际能租到的机器上，能容纳多少个长上下文请求。一个能在四块 GPU 上容纳 76 个并发 256K 序列的 428B 模型，与一个只能容纳 8 个的 428B 模型，是完全不同的采购对象。

自托管的成本是多少，以及 API 何时仍然更胜一筹

开放权重的盈亏平衡是利用率问题，不是价格问题。按每百万输出 token 0.60 美元计算，每月十亿输出 token 通过 MiniMax 的 API 只需 600 美元。四块 B300 GPU 的租用或拥有成本，在算上电力、网络以及让服务栈保持最新的工程师之前，就远不止这个数。能让这些 GPU 在 vLLM 基准测试的吞吐量端保持忙碌的团队，其实际购买 token 的有效费率会截然不同；而每天只需要它们运行两小时的团队，则是在补贴闲置的芯片。

那些足以证明下载合理性的工作负载，恰恰是 API 价格并非关键约束的场景。例如无法离开受控环境的数据；需要访问权重的微调任务——vLLM 报告称，在 NVFP4 检查点上使用 veRL、FSDP2 和 rank-32 LoRA 实现了端到端强化学习，并且在 16 台 GB300 上进行的 200 步 GRPO 运行将 AIME-2024 的准确率从 36.3% 提升到了 67.5%；还有对延迟敏感的 agent 循环，其中网络跳数和提供方的排队时间都是 p95 的一部分；以及批量足够大、以至于固定集群比按量计费的账单更划算的批处理作业。

对其他人而言，托管路线仍是合理的默认选择，而本次发布不会改变这一点。权重是一种战略选项，而不是默认就会带来的成本削减。

权重无法修复的问题

下载完成后仍有三个问题原封不动地存在着。第一个是可靠性。Artificial Analysis 的 AA-Omniscience 评估将 M3.1 Flash 的总体排名列为第 16 位，幻觉率为 93%：当模型不知道答案时，它几乎每次都会照样回答，而不是选择不作答。这是一种经过实测的行为，而非厂商宣称；而且这类问题在能够采取行动的智能体中，比在可以被忽略的聊天机器人中更重要。开放权重让你可以围绕它进行微调；但它们并不能让它在检查点处消失。

第二点是基准测试的来源。发布时的那些数字——DeepSWE v1.1 为 73.7%、Agents' Last Exam 为 29.6、OSWorld V2 为 61.7、CyberGym 为 82.2、BankerToolBench 为 76.2——都是 MiniMax 在其自行选择的测试框架上运行所得。这些数字均未经过独立复现。模型卡明确警告，第三方量化版本可能有所不同，这是一个有用的承认：这些数字描述的是 MiniMax 配置下的官方权重，而不是你的服务栈在进一步量化后所产生的结果。

第三点是控制。思考无法被禁用：MiniMax 的 API 会以 HTTP 400 拒绝 thinking: {"type": "disabled"}，而唯一可调的是从 low 到 max 的五档 effort 梯度，省略该字段时默认使用 max。思考 token 按输出计费，并计入 max_tokens。在 Intelligence Index 上，该模型消耗了约 1.8 亿个输出 token，远高于中位数，因此其每完成一个任务 0.22 美元的成本比单 token 费率所暗示的更优，但仍受输出冗长程度影响。

现在该怎么称呼它？

MiniMax M3.1 Flash 可通过 MiniMax 自有 API、M Plan 和 MiniMax Code，以及多个第三方平台获取。它目前不在 OrcaRouter 的目录中，本文也并非声称它已上架。OrcaRouter 所路由的是该系列的其他模型，以及通常与它一同被列入候选名单的模型：MiniMax-M3、DeepSeek V4.1 Flash 和 Gemini 3.8 Flash 均可通过一个密钥调用，按供应商标价、0% 加价计费，并支持路由间的自动故障转移。如果你正在将 M3.1 Flash 与现有模型进行对比测试，这让你无需再签一份合同就能获得对比中现有模型这一侧，同时也为你提供了一个故障转移的去处，好让新模型逐步积累运行历史。

如果你采用自托管，vLLM 容器是最快捷的途径，而 NVFP4 方案正是上文数据所描述的那个。如果你调用 API，本周这次发布除了你的采购选项外几乎没有什么变化。

诚实的总结是：权重是真的，部署表现比预期更强，而许可证比“开放权重”这个说法所让你有心理准备的要更严格。MiniMax 发布了一个真正可下载的 428B 模型，配有四 GPU 方案，占用 252 GB。它并未以 MIT 许可证发布此模型，而这一差异恰恰会对那些大到足以在意 2000 万美元这条线的公司产生影响。