MiniMax M3.1 Flash 参数：总计 4280 亿，激活 230 亿，以及决定你账单的那个数字

MiniMax M3.1 Flash

MiniMax实际发布的内容

MiniMax 于 2026 年 10 月 19 日发布了 MiniMax M3.1 Flash，并于 10 月 23 日在 Hugging Face 上放出了模型权重。模型卡回答了发布帖中语焉不详的规格问题，而且其中若干数字与这期间流传的摘要并不一致。

• 参数——总计 4280 亿，每个 token 激活 230 亿，采用原生多模态混合专家架构。

• 下载 — 252.4 GB，分布在 48 个 safetensors 分片中，外加一个 2.3 GB 的 DSpark 草稿模型，用于推测解码。

• 上下文与输出 — 输入令牌 1,000,000 个；输出令牌最多 524,288 个。

• 模态 — 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 路径按 NVFP4 训练，共享专家以 MXFP8 保存，查询路径保持 FP8。

• 服务 — vLLM、SGLang 和 TokenSpeed 是推荐路径，并为 NVIDIA 和 AMD 提供 day-0 vLLM 容器。

• 托管 API 上的价格——每百万输入 token 0.15 美元，输出 0.60 美元，缓存输入读取 0.015 美元。

• 许可证——minimax-community，在 Hugging Face 上登记为 code>license: other/code>，既不是 MIT，也不是 Apache。

总量与活跃：这230亿在做什么

一个稠密的4280亿参数模型会在处理每个 token 时运行所有参数。混合专家模型则把每个 token 路由到一部分专家，因此每个 token 的计算量由230亿激活参数这个数字决定，而内存占用由4280亿总参数这个数字决定。正是这种拆分，使得这两个数字通常会被一起引用，也使得只引用其中一个会以可预测的方式产生误导：总参数告诉你需要什么样的硬件，激活参数数量则大致告诉你一个 token 的计算成本。

实际结果是，230亿激活并不是“一个2300亿参数的模型”。它是一个拥有4280亿参数存储知识和230亿参数用于逐token计算的模型——这相当合理地解释了为什么它既能快速启动，又相对更占托管资源。

252.4 GB 这个数字在采购文件中的含义是：它不是理论参数量乘以 2 字节，而是你要通过安全审查的交付物。选择 NVFP4 训练正是让它保持在这一水平的原因。在 vLLM 的核算中，NVFP4 检查点为 250.1 GB，而 MiniMax-M3 在 MXFP8 下为 451.5 GB——减少了 44.6%——并且 KV 缓存从每 token 61,440 字节降至 34,560 字节，削减了 43.75%，因为稀疏注意力索引器和注意力路径均以 NVFP4 运行。

参数在服务时会产生什么成本

参数量无法给出的数字是并发数，而正是这个数字决定自托管是否可行。在四块 NVIDIA B300 GPU 上、序列长度为 256,000 token 时，vLLM 报告 MiniMax M3.1 Flash 可支持 76 个并发序列，而采用 FP8 KV 缓存的 MiniMax-M3 可容纳 28 个——约为后者的 2.7 倍。在其 GB300 AgentX 运行的延迟敏感端，这套技术栈在每 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，同时每用户每秒约 127 token。在 Rubin 上，相同方案报告每用户每秒 724.9 token；在 AMD MI355X 上则为 331。

那些是特定硬件上的框架基准测试，由该框架发布，并非独立的生产环境测量结果。它们仍然比任何一行基准测试数据更具决策相关性，因为一个能在四块 GPU 上容纳 76 条并发 256K 序列的 428B 模型，与一个只能容纳八条序列的模型，是完全不同的采购对象。

230亿的成本不是一枚代币的价格。

参数层面的说法与账单正是在这里出现分歧。MiniMax M3.1 Flash 的定价为 0.15 美元和 0.60 美元，分别是 Gemini 3.5 Flash-Lite 输入价格的一半、输出价格的大约四分之一。在 Artificial Analysis 的每完成一项任务成本指标上，它仍然落后：0.22 美元对 0.19 美元。

原因在同一个数据集中显而易见。在 Intelligence Index 中，该模型消耗了约 1.8 亿个输出 token，而 Artificial Analysis 追踪的模型的中位数接近 1 亿。思考无法被禁用——MiniMax 的 API 会拒绝 code>thinking: {"type": "disabled"}/code>，并返回 400；唯一可调的是从 low 到 max 的五档 effort 阶梯，当该字段被省略时默认使用 max。思考 token 按输出计费，并计入 code>max_tokens/code>。

因此，对参数经济性的准确总结是这样的：活跃参数数量足够少，能让模型保持速度；冗长度又足够高，使得账单不会像价目表所暗示的那样低；而这两个事实彼此并无关联。在智能体与编程类任务中，这种深思通常能挣回它所消耗的 token。在抽取或分类任务中则不然。

智能表现值得认可，但并非前沿水平：在 Artificial Analysis 智能指数上得 43 分，在 173 个模型中排名第五；Terminal-Bench 4.0 为 26%，AutomationBench-AA 为 73%，GDPval-AA 为 1,458，SciCode 为 53%。拒答表现才是设计时需要重点应对的——AA-Omniscience 给它打出 16 分，幻觉率为 93%，这意味着当它不知道答案时，几乎每次都会照答不误，而不是选择拒答。

速度，两种衡量方式

已发布的速度数据存在分歧，而这种分歧提供的信息价值大于警示意味。Artificial Analysis 测得首 token 延迟为 1.48 秒，输出速度为每秒 95.6 个 token；MiniMax 自家材料则声称中位数高于每秒 170 个 token，峰值高于 200。服务路径和测量条件会让这个数字大幅波动，因此我们自己的路由值得单独引用：在过去七天的流量中，p50 首 token 延迟为 1.29 秒，p95 为 4.40 秒，访问的是 code>minimax/minimax-m3.1-flash/code>。

这就是路由模型所呈现的形态。要把它与现有方案做诚实的比较，正确做法是测量你自己的路由，而不是轻信任一供应商给出的单一数字。

许可证行是规范的一部分。

两项义务随权重而来，且都不体现在参数数量中。商业部署必须在相关网站、界面、博客文章、关于页面或产品文档上显著展示字符串“Built with MiniMax M3”——模型是 M3.1 Flash，而要求的署名仍写着 M3，这正是法务审查较晚才会发现的细节。并且，年收入达到或低于 2000 万美元的公司，须通过电子邮件向 MiniMax 发出一次性通知；超过该门槛，商业使用前则需事先获得书面授权。

该许可证对商业使用的定义足够宽泛，涵盖基于该模型构建的产品、在其之上提供的商业 API，以及经过微调的部署。对于低于门槛的初创公司，代价是一封电子邮件和一行署名。对于规模更大的公司，则是在 MiniMax 掌控的时间表上的一场许可谈判。DeepSeek V4.1 Flash 以 MIT 许可证发布，完全无需通知，这就是为什么即便两个检查点都可下载，“开放权重”也不是一个单一类别。

致电或下载

开放权重的盈亏平衡点是一个利用率问题。按每百万输出 token 0.60 美元计算，每月 10 亿输出 token 通过托管 API 的成本是 600 美元；而四块 B300 GPU 在计入电力、网络以及维持服务栈保持最新的工程师成本之前，就已经超过这个数。对于不能离开受控环境的数据、需要访问权重的微调运行——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 块 GB300 上进行的一次 200 步 GRPO 运行将 AIME-2024 准确率从 36.3% 提升到 67.5%——以及规模大到固定集群比按量计费账单更划算的批处理作业，下载权重都更胜一筹。

对其他人来说，托管路线是稳妥的默认选择，而 MiniMax M3.1 Flash 已在 OrcaRouter 目录中，以 code>minimax/minimax-m3.1-flash/code> 的形式按提供商标价提供，0% 加价：输入 $0.15，输出 $0.60，缓存 $0.015，一个密钥即可与 MiniMax-M3 以及它通常被拿来对比的模型并列使用。自动故障转移可应对提供商偶尔状态不佳的情况，而路由 DSL 可以将流水线中较难的步骤交给更强的模型，同时让大部分任务留在这里。

如果参数这个问题把你带到了这里，简短的回答是：总参数 4280 亿，活跃参数 230 亿。而详细的回答是：这两个数字都不会出现在你的账单上，真正出现的两个数字是模型选择花费的输出 token，以及你某天可能会越过的许可阈值。

来源说明：参数量、252.4 GB 的仓库、精度方案、许可证条款和厂商基准测试数据行来自 MiniMax 的模型卡和发布材料，于 2026 年 10 月 26 日查阅。NVFP4 检查点大小、每 token 的 KV 缓存字节数、并发数、吞吐量数据和 GRPO 结果来自 vLLM 的发布首日博文，并且是在具名硬件上的框架基准测试。Intelligence Index 得分、每任务成本、token 消耗估算和 AA-Omniscience 数据来自 Artificial Analysis。价格、上下文长度和 1.29 秒的 p50 来自 OrcaRouter 的目录以及我们自己的七天流量数据。