发布时间:2026-10-24 04:56 更新时间:2026-10-24 04:56 阅读量:9
10月23日,MiniMax正式开源新一代模型 M3.1 Flash 的权重。据了解,该模型采用 MoE 架构,总参数 428B、激活参数 23B,支持文本、图像、视频输入,上下文窗口最高可达 100 万 Token,官方给出的定位是编程、智能体与计算机操作类场景。对关注自建推理服务的站长来说,这是本月国产开源模型里值得留意的一次更新。
从公开信息看,M3.1 Flash 的优化集中在三个方向。一是注意力结构,将前三个全注意力层替换为稀疏注意力,降低长上下文下的计算开销;二是量化感知训练(QAT),把路由部分 MoE 专家迁移到 W4A4,稀疏注意力的索引器与主分支从 Q8KV8 降到 Q8KV4;三是功耗感知调度,对计算卡功耗做更细的分配以提升硬件利用率。官方口径称,推理效率提升接近 3 倍,成本降低约 70%,具体效果仍以实际部署环境为准。
性能方面,官方披露 DeepSWE v1.1 软件工程测试得分 73.7%,Automation-Bench 得分 62.8%。上线 72 小时内,真实用户处理 Token 量超过 100 万亿。API 定价为输入 1 元/百万 Token、输出 4 元/百万 Token、缓存读取 0.1 元/百万 Token,对做批量任务或智能体调用的项目,这个价格区间具备一定参考价值。
开源首日,模型即接入华为昇腾、平头哥、昆仑芯、摩尔线程、壁仞、海光、沐曦、天数等国产芯片平台,同时支持 NVIDIA、AMD,推理框架侧覆盖 vLLM、SGLang 与智源 FlagOS。权重可从 Hugging Face 的 MiniMaxAI/MiniMax-M3.1-Flash 或魔搭的 MiniMax/MiniMax-M3.1-Flash 获取,商用条款请以模型卡与官方许可说明为准。
需要提醒的是,428B 总参数即便激活参数只有 23B,本地推理依然对显存和带宽提出较高要求。打算在自己服务器上试跑的运维人员,可先按量化版本估算显存:单卡吃不下时考虑多卡张量并行,或直接走官方 API 做业务验证。下面这段命令用于查看显卡型号与显存,便于做容量规划:
nvidia-smi --query-gpu=index,name,memory.total,memory.used --format=csv
查看驱动与 CUDA 版本,确认推理框架兼容性
nvidia-smi | head -n 4
若使用 vLLM 部署,建议先拉取官方模型卡确认支持的量化格式与并行参数,再结合业务并发量决定实例规格,避免一次性压满整机资源。
这类开源模型的直接价值在于把智能体、代码辅助、图文理解等能力接入自有系统时,多了一个可私有化部署的选项。对内容站与工具站,可先用 API 做小流量验证,确认效果与成本后再评估自建;对已有算力资源的企业站,则可结合国产芯片平台做适配测试。需要强调的是,模型权重开源不等于部署零门槛,许可证范围、显存成本、推理延迟都要按自身业务核算,最终以官方文档和实际测试结果为准。
| 📑 | 📅 |
|---|---|
| 科大讯飞星火X2.6发布:端云一体让敏感数据留在本地 | 2026-10-24 |
| 阿里智能体产品线整合为千问办公,交由钉钉推进 | 2026-10-24 |
| 国产AI智能体提速:企业级产品线整合与场景落地 | 2026-10-24 |
| 腾讯QClaw并入WorkBuddy,12月24日停服 | 2026-10-24 |
| 讯飞星火X2.5端侧模型开源,支持百万上下文 | 2026-10-24 |
| 10月国内AI融资观察:千亿资金涌向头部模型公司 | 2026-10-24 |
| 国产AI芯片与算力观察:2185 EFLOPS之后 | 2026-10-24 |
| 智谱GLM-5.2开源观察:长程任务与MIT协议落地 | 2026-10-24 |
| 扩散语言模型公司DiffuSpace两轮融资近5亿 | 2026-10-24 |
| MiniMax M3.1 Flash开源:428B参数与百万上下文 | 2026-10-24 |