MiniMax M3.1 Flash 參數：總參數 4,280 億、活躍參數 230 億，以及決定你帳單金額的那個數字

MiniMax M3.1 Flash

MiniMax 實際發布了什麼

MiniMax 於 2026 年 10 月 19 日發布 MiniMax M3.1 Flash，並於 10 月 23 日將權重放上 Hugging Face。模型卡回答了發表文章語焉不詳的規格問題，且其中幾項數字與期間流傳的摘要有所不同。

• 參數 — 總計 4280 億，每個 token 啟用 230 億，採用原生多模態混合專家架構。

• 下載 — 252.4 GB，分佈於 48 個 safetensors 分片，另加一個 2.3 GB 的 DSpark 草稿模型，用於推測解碼。

• 上下文與輸出 — 輸入 1,000,000 個 token；輸出最多 524,288 個 token。

• 模態 — 輸入文字、圖像與影片；輸出文字。

• 精確度 — 路由專家與稀疏注意力 KV 路徑以 NVFP4 訓練，共享專家維持在 MXFP8，查詢路徑則維持 FP8。

• 服務 — vLLM、SGLang 與 TokenSpeed 是建議的途徑，並提供適用於 NVIDIA 與 AMD 的 day-0 vLLM 容器。

• 託管 API 的價格 — 每百萬個輸入 token 0.15 美元，輸出 0.60 美元，快取輸入讀取 0.015 美元。

• 授權條款 — minimax-community，於 Hugging Face 上以 code>license: other/code> 登錄，該授權並非 MIT，亦非 Apache。

總計與活躍：這 230 億在做什麼

一個稠密、擁有 4280 億參數的模型，會為每個 token 執行所有參數。混合專家模型則把每個 token 路由到一部分專家，因此每個 token 的運算量由 230 億個啟用參數決定，而記憶體佔用則由 4280 億總參數決定。這種拆分正是這兩個數字通常會被一起引用的原因，也是只引用其中一個會以可預測方向誤導人的原因：總數告訴你需要什麼硬體，啟用數量則粗略告訴你一個 token 的運算成本。

實際後果是，230 億活躍參數並不代表「一個 230 億參數的模型」。它是一個擁有 4,280 億參數的儲存知識，以及 230 億參數的每個 token 運算工作量的模型——這合理地說明了為什麼它既能快速啟動，又相對難以託管。

252.4 GB 這個數字，在採購文件裡代表的是：不是理論參數量乘以兩位元組，而是你必須送交安全審查的實際產物。NVFP4 訓練選擇正是讓它維持在這個數字的關鍵。在 vLLM 的計算中，NVFP4 檢查點為 250.1 GB，而 MXFP8 格式的 MiniMax-M3 則為 451.5 GB——減少 44.6%——且 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和注意力路徑都以 NVFP4 執行。

參數在服務時的成本為何

參數量無法告訴你的數字是併發數，而這正是決定自架是否可行的關鍵。在四顆 NVIDIA B300 GPU 上、序列長度為 256,000 個 token 時，vLLM 回報 MiniMax M3.1 Flash 可達 76 條併發序列，而配備 FP8 KV cache 的 MiniMax-M3 可容納 28 條——約為 2.7 倍。在其 GB300 AgentX 執行中對延遲敏感的一端，該堆疊可維持每位使用者每秒 418.9 個輸出 token，同時每顆 GPU 每秒服務 38.6K 個總 token；在吞吐量的一端，則可達到每顆 GPU 每秒 153.8K 個總 token，每位使用者約每秒 127 個 token。在 Rubin 上，相同配置回報每位使用者每秒 724.9 個 token；在 AMD MI355X 上則為 331。

那些是特定硬體上的框架基準測試，由該框架發布，並非獨立的生產環境量測。它們仍比任何基準測試表格列更具決策參考價值，因為一個能在四張 GPU 上容納 76 個並行 256K 序列的 428B 模型，與只能容納八個的同類模型，是截然不同的採購標的。

230億的代價並不是一枚代幣的價格

參數的說法與實際帳單，正是在這裡出現分歧。MiniMax M3.1 Flash 的定價為 $0.15 與 $0.60，分別是 Gemini 3.5 Flash-Lite 輸入價格的一半、輸出價格約四分之一。但以 Artificial Analysis 的「每完成一項任務成本」指標來看，它依然落敗：$0.22 對上 $0.19。

原因在同一份資料集中清晰可見。在 Intelligence Index 上，該模型消耗了約 1.8 億個輸出 token，而 Artificial Analysis 所追蹤模型的中位數接近 1 億。思考無法停用——MiniMax 的 API 會拒絕 code>thinking: {"type": "disabled"}/code>，並回以 400；唯一可調的是從 low 到 max 的五檔努力程度階梯，且省略此欄位時預設為 max。思考 token 會按輸出計費，並計入 code>max_tokens/code>。

因此，關於參數成本結構，準確的總結是這樣：活躍參數的數量夠少，讓模型得以保持快速；輸出的冗長度夠高，讓帳單無法如價目表所暗示的那麼小；而這兩件事彼此並不相關。在代理式任務與程式編寫工作上，這番深思一般而言都值得它所耗的 token；在抽取或分類上則不然。

這項智能結果算得上體面，但還不到前沿水準：在 Artificial Analysis Intelligence Index 上得分 43，在 173 個模型中排名第五；Terminal-Bench 4.0 為 26%，AutomationBench-AA 為 73%，GDPval-AA 為 1,458，SciCode 為 53%。真正該據以設計的是拒答結果——AA-Omniscience 給它 16 分，幻覺率達 93%，意思是當它不知道答案時，幾乎每次都會照樣回答，而不是選擇不答。

速度，兩種測量方式

已公布的速度數據並不一致，而這種不一致具有資訊性，並不令人擔憂。Artificial Analysis 測得首個 token 耗時 1.48 秒，輸出速度為每秒 95.6 個 token；MiniMax 自家資料則宣稱中位數高於每秒 170 個 token，峰值高於 200。服務路徑與測量條件會大幅影響這個數字，因此我們自己的路由值得另行引用：在code>minimax/minimax-m3.1-flash/code>.

那就是路由式模型所呈現的樣貌。要與現行方案誠實比較，正確的做法是衡量你自己的路由，而不是信任任一廠商提供的單一數字。

授權聲明行是規格的一部分

這兩項義務隨權重而來，且兩者都不會出現在參數數量中。商業部署必須在相關的網站、介面、部落格文章、關於頁面或產品文件上顯著標示「Built with MiniMax M3」字串——模型是 M3.1 Flash，而規定要求的標示仍寫著 M3，這種細節正是法務審查會到晚期的階段才抓到的。而年營收在 2,000 萬美元或以下時，公司須以電子郵件向 MiniMax 發出一次性通知；超過這條門檻，商業使用前則須取得事先書面授權。

授權條款對商業使用的定義相當寬廣，足以涵蓋以該模型為基礎打造的產品、架於其上的商業 API，以及經過微調的部署。對未達門檻的新創公司而言，代價只是一封電子郵件和一行署名。對較大型的公司來說，則是一場由 MiniMax 掌控時程的授權協商。DeepSeek V4.1 Flash 以 MIT 授權釋出，完全無需通知，這就是為什麼即使兩個檢查點都可下載，「開放權重」也不是單一類別。

打電話或下載它

開放權重的損益平衡點在於使用率。以每百萬輸出 token 0.60 美元計算，每月十億輸出 token 透過託管 API 的成本是 600 美元；四張 B300 GPU 的成本就超過這個數字，而且還沒計入電力、網路，以及讓服務堆疊保持最新的工程師。對於不能離開受控環境的資料、需要權重存取權的微調執行，以及大到固定叢集比按量計費更划算的批次工作，下載都是更有利的選擇。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 上執行 200 步 GRPO，將 AIME-2024 準確率從 36.3% 提升到 67.5%。

對其他人來說，託管路線是合理的預設選擇，而 MiniMax M3.1 Flash 也已收錄在 OrcaRouter 目錄中，型號為 code>minimax/minimax-m3.1-flash/code>，依供應商牌價、零加成：輸入 $0.15、輸出 $0.60、快取 $0.015，一支金鑰即可與 MiniMax-M3 以及它常被拿來一起評比入圍的模型並列。自動容錯移轉可涵蓋供應商偶爾出狀況的情況，而路由 DSL 可將流程中困難的步驟交給更強大的模型，同時讓大部分工作量留在這裡。

如果參數問題把你帶到這裡，簡短答案是總計 4,280 億、活躍 230 億。長答案則是：這兩個數字都不會出現在你的帳單上，而真正會出現的兩個數字，是模型選擇花費的輸出 token，以及你有朝一日可能跨過的授權門檻。

資料來源註記：參數數量、252.4 GB 儲存庫、精度方案、授權條款與廠商基準測試列，出自 MiniMax 的模型卡與發布資料，於 2026 年 10 月 26 日查閱。NVFP4 檢查點大小、每 token 的 KV 快取位元組數、併發數、吞吐量數字與 GRPO 結果，出自 vLLM 的首日文章，且是在指定硬體上的框架基準測試。Intelligence Index 分數、每項任務成本、token 消耗量估計與 AA-Omniscience 數據，出自 Artificial Analysis。價格、上下文與 1.29 秒的 p50，出自 OrcaRouter 的目錄和我們自己七天的流量數據。