MiniMax M3.1 Flash 權重釋出：428B、252 GB，以及 2,000 萬美元的授權門檻

MiniMax M3.1 Flash 的權重於 2026 年 10 月 23 日上架 Hugging Face，距離模型本身在 10 月 19 日發布過了四天。下載內容總計 4,280 億參數，每個 token 啟用 230 億參數，儲存庫大小為 252.4 GB：48 個權重分片，外加一個 2.3 GB 的投機解碼草稿模型。這是真正的開放權重發布，但不是開源發布。授權條款是 MiniMax 自家的社群授權，要求每次商業部署都須註明出處，且當年營收超過 2,000 萬美元後，須事先取得 MiniMax 的書面授權。

那個區別比參數量更重要。任何讀到「open weights」就以為是 MIT 或 Apache-2.0 的人，接下來在採購上會有意外。任何只需要呼叫模型的人，大概完全可以忽略下載這件事：託管 API 仍是每百萬輸入 token 0.15 美元、每百萬輸出 token 0.60 美元，而對一個每月送出幾十億個 token 的團隊來說，權重檔案發布四天也不會改變這筆帳。

儲存庫裡實際上有什麼？

模型卡回答了 MiniMax 發布貼文中未明確說明的規格問題。必須弄清楚的是那些主要數字，因為其中有好幾個不同於發布當日流傳的摘要，而那些摘要當時並沒有模型卡可供核對。

• 參數 — 總計 4,280 億，每個 token 啟用 230 億，原生多模態混合專家模型

• 下載 — 總計 252.4 GB：48 個 safetensors 分片，外加一個 2.3 GB 的 DSpark 草稿模型，用於推測解碼

• 上下文 — 1,000,000 個輸入 token；最多 524,288 個輸出 token

• 輸入與輸出 — 可輸入文字、圖片與影片；輸出文字

• 精度 — 路由專家與稀疏注意力 KV 路徑皆以 NVFP4 訓練，共享專家則以 MXFP8 保存；查詢路徑維持 FP8

• 服務 — vLLM、SGLang 與 TokenSpeed 是建議的途徑，並提供適用於 NVIDIA 與 AMD 的首日 vLLM 容器

• 授權條款 — minimax-community，於 Hugging Face 上以 license: other 登錄

• 託管價格 — 每百萬個 token：輸入 $0.15、輸出 $0.60、快取輸入 $0.015

428B/23B 的拆分與 MiniMax 自發布以來一直引用的相同。252 GB 對任何規劃部署的人來說都是新資訊：這是你会送交安全審查的產物實際大小，而不是理論參數量乘以兩位元組。輸出上限是另一個值得注意的數字。MiniMax 的 API 文件允許 524,288 個輸出 token，遠高於 Gemini 3.8 Flash 的 65,536 token 上限，也高於 DeepSeek V4.1 Flash 的 384,000。這是發布文章並未率先強調的長篇生成能力。

授權條款是那個要讀兩遍的部分。

MiniMax 稱這是開放權重發布，而按這個詞的通常含义——可下載檔案、無需 API 金鑰——確實如此。問題出在授權條款：在這裡，「開放」二字開始沒那麼站得住腳。MiniMax 社群授權條款授予非商業用途的免費使用、修改與再散布。商業使用雖被允許，但附帶兩項 MIT 授權沒有的義務。

第一項是署名。商業部署必須在相關網站、使用者介面、部落格文章、關於頁面或產品文件中顯著展示「Built with MiniMax M3」。模型是 M3.1 Flash；必要字串仍寫著 M3，這種細節往往會被漏掉，直到法務審查才發現。

第二個是營收門檻。年營收等於或低於 2,000 萬美元時，公司須以電子郵件向 MiniMax 發出一次性通知。年營收高於 2,000 萬美元時，則須先取得 MiniMax 的書面授權，才能進行商業使用。授權條款對商業使用的定義相當廣泛，足以涵蓋提供依賴該模型的產品或服務、在其上運行商業 API，以及為商業目的部署微調或後訓練版本。以這些權重為基礎的託管推論業務，完全落在該定義範圍內。

那不是避免發布的理由，而是正確解讀該發布說明的理由。對未達門檻的新創公司來說，實際成本是一封電子郵件和一行署名。對規模較大的公司來說，則是與中國實驗室進行授權協商，而時程由 MiniMax 掌控。相較之下，DeepSeek V4.1 Flash 以 MIT 授權發布，完全無需任何通知；即使兩個檢查點都能下載，開放權重領域的競爭條件也並不對等。

252 GB 是容易的數字；76 個並行序列才是有用的那個

有趣的服務細節來自 vLLM 的零日（day-0）發文，其內容比 MiniMax 自家的發布資料更為具體。在 vLLM 的計算中，NVFP4 檢查點為 250.1 GB，而 451.5 GB 則對應MiniMax-M3 的 MXFP8——減少 44.6%。KV 快取從每 token 61,440 位元組降至 34,560 位元組，減少 43.75%，因為稀疏注意力索引器與注意力路徑皆以 NVFP4 執行。

結果就是長上下文下的併發數，而這正是決定自架是否可行的關鍵數字。在四顆 NVIDIA B300 GPU、256K token 序列下，vLLM 回報 M3.1 Flash 可達 76 個併發序列，而搭載 FP8 KV 快取的 M3 可容納 28 個——約多 2.7 倍。在其 GB300 AgentX 執行的延遲敏感端，該堆疊可為每位使用者維持每秒 418.9 個輸出 token，同時每顆 GPU 每秒服務 38.6K 總 token。在吞吐量端，每顆 GPU 可達每秒 153.8K 總 token，每位使用者約每秒 127 個 token。在 Rubin 上，相同方案回報每位使用者每秒 724.9 個 token；在 AMD MI355X 上則回報 331。

那些是特定硬體上的框架基準測試，不是獨立的生產環境量測。它們仍是此次發布中最有用的數字，因為它們回答了參數量無法回答的問題：在你實際租得到的機器上，能容納多少個長上下文請求。一個能在四張 GPU 上容納 76 個並行 256K 序列的 428B 模型，和一個只能容納八個的 428B 模型，是不同的採購對象。

自行架設要付出什麼成本，以及 API 何時仍勝出

開放權重的損益兩平是使用率問題，不是價格問題。以每百萬輸出 token 0.60 美元計算，每月十億輸出 token 透過 MiniMax 的 API 成本為 600 美元。四顆 B300 GPU 的租用或持有成本遠高於此，這還沒算上電力、網路，以及讓服務堆疊保持更新的工程師。能把那些 GPU 維持在 vLLM 基準測試中吞吐量高檔滿載運作的團隊，其購買 token 的實際費率截然不同；每天只需要它們兩小時的團隊，則是在補貼閒置的晶片。

值得下載的工作負載，是那些 API 價格並非關鍵限制的場景。無法離開受控環境的資料。需要權重存取權的微調執行——vLLM 回報在 NVFP4 檢查點上以 veRL、FSDP2 與 rank-32 LoRA 進行端到端 RL，以及在 16 台 GB300 上進行 200 步的 GRPO 執行，將 AIME-2024 準確率從 36.3% 提升到 67.5%。對延遲敏感的代理迴圈，其中網路跳轉與供應商的佇列都是 p95 的一部分。以及規模大到讓固定叢集勝過按量計費帳單的批次工作。

對其他人來說，託管路線仍是合理的預設選擇，而這次發布並未改變這一點。權重是一項策略性選項，並非預設就能得到的成本削減。

權重無法修正的事

下載後仍完整存在三個問題。第一個是可靠性。Artificial Analysis 的 AA-Omniscience 評估將 M3.1 Flash 的整體排名列為第 16 名，幻覺率為 93%：當模型不知道答案時，幾乎每次都會照樣回答，而不是棄答。這是實測行為，不是廠商說法，而且這種問題在能採取行動的 agent 身上，比在可被忽略的聊天機器人身上更重要。開放權重讓你能透過微調來避開它；但這不會讓它在模型檢查點上消失。

第二個是基準測試的來源出處。發布數字——DeepSWE v1.1 為 73.7%、Agents' Last Exam 為 29.6、OSWorld V2 為 61.7、CyberGym 為 82.2、BankerToolBench 為 76.2——是 MiniMax 在其自選測試框架上自行執行的結果。這些數字尚未被獨立重現。模型卡明確警告第三方量化版本可能有所不同，這是個有用的坦承：這些數字描述的是 MiniMax 配置中的官方權重，而不是你的服務堆疊在進一步量化後所產生的任何結果。

第三點是控制。思考無法停用：MiniMax 的 API 會以 HTTP 400 拒絕 thinking: {"type": "disabled"}，唯一可調的是從 low 到 max 的五級努力階梯，且省略該欄位時預設為 max。思考 token 會按輸出計費，並計入 max_tokens。在 Intelligence Index 上，該模型消耗了約 1.8 億個輸出 token，遠高於中位數，因此其每完成一項任務 0.22 美元的成本雖比其每 token 費率所顯示的更划算，但仍受冗長程度影響。

現在該怎麼稱呼它？

MiniMax M3.1 Flash 可透過 MiniMax 自家 API、M Plan 與 MiniMax Code，以及多個第三方平台取得。它目前尚未列入 OrcaRouter 的目錄，本文也並非主張它已上架。OrcaRouter 實際路由的是該系列其餘模型，以及它通常被拿來一起比較的模型：MiniMax-M3、DeepSeek V4.1 Flash 與 Gemini 3.8 Flash 都能用同一把金鑰呼叫，價格為供應商牌價、0% 加成，並可在路由之間自動容錯轉移。如果你正以 M3.1 Flash 對照現有模型進行測試，這讓你無需另簽第二份合約，就能取得比較中現有模型那一側；同時，在新模型累積實際運行紀錄期間，也提供了可供容錯轉移的備援去處。

如果你是自行託管，vLLM 容器是最省事的途徑，而 NVFP4 方案正是上述數字所描述的做法。如果你是呼叫 API，本週的版本變動不大，差別只在你的採購選項。

誠實的總結是：權重是真的，推論部署方案比預期更強，而授權條款比「開放權重」這個說法所讓人預期的還要嚴格。MiniMax 已發布一個真正可下載的 428B 模型，附有四 GPU 配置方案，佔用空間為 252 GB。它並未以 MIT 授權發布此模型，而這項差異恰恰會影響那些規模大到會在意 2,000 萬美元這道門檻的公司。