发布时间:2026-10-26 23:45 更新时间:2026-10-26 23:45 阅读量:6
10月下旬的国产开源模型赛道相当热闹,MiniMax在10月23日开源了M3.1 Flash。这款模型走的是MoE路线,总参数428B、激活参数23B,上下文最高支持100万Token,可接受文本、图像、视频输入,官方把编程、智能体、计算机操作列为主要面向场景。对关注推理成本和私有化部署的站长来说,这组参数搭配值得细看。
从公开信息看,M3.1 Flash的优化重点不在堆参数,而在推理效率。技术上主要有三项:一是全模型稀疏注意力,把前三个全注意力层替换为稀疏注意力;二是量化感知训练,将MoE专家迁移至W4A4精度;三是功耗感知调度。官方给出的结果是线上推理速度提升近3倍,智能体任务综合成本降低70%,输出速度达到每秒200+ Token。
对自建推理服务的团队,这些数字的参考价值在于:同样的卡、同样的并发,能撑起更多请求。当然,实际效果与显卡型号、框架版本、批处理策略强相关,具体以官方文档和实际压测为准。
官方披露,M3.1 Flash上线72小时内真实用户处理量超过100万亿Token。在DeepSWE v1.1测试中得分73.7%,接近Claude Opus 5的74.0%;Automation-Bench得分62.8%,高于DeepSeek-V4.1-Flash-1017的60.5%。API定价为输入1元/百万Token、输出4元/百万Token。
生态方面,开源首日即接入华为昇腾、昆仑芯、摩尔线程、海光、沐曦、NVIDIA、AMD等芯片厂商,以及vLLM、SGLang、智源FlagOS、Hugging Face、魔搭等框架与社区。对打算在国产算力上做验证的运维人员,这意味着不必等第三方适配,可以直接按官方仓库的说明起步。
如果你的站点要做AI客服、内容摘要或代码辅助,M3.1 Flash这类中等激活参数的MoE模型比较适合自建:显存占用可控,长上下文能塞下整篇文档。部署前建议先在测试机跑通推理框架,确认所用框架版本已支持该模型结构;生产环境给推理服务单独划分资源,避免和Web服务抢内存;上线后对首Token延迟和输出速率做持续监控,再决定是否扩卡。模型权重与部署细节请以MiniMax官方发布为准,本文数据均来自公开报道。
| 📑 | 📅 |
|---|---|
| MiniMax开源M3.1 Flash:428B参数、推理成本降七成 | 2026-10-26 |
| 科大讯飞星火X2.6发布:端云一体跑在全国产算力上 | 2026-10-26 |
| 月之暗面发布Kimi K3.1 Pro,3万亿参数开源模型登场 | 2026-10-26 |
| 千亿融资落地,DeepSeek为何仍要坚持自研算力 | 2026-10-26 |
| 国产AI芯片进入采购清单:站长该关注什么变化 | 2026-10-26 |
| 国产AI芯片份额升至41%,算力竞争转向系统能力 | 2026-10-26 |
| 十月国产大模型集体上新:开源与国产算力成主线 | 2026-10-27 |
| DeepSeek千亿融资背后:产业资本为何集体入场 | 2026-10-27 |
| 国产算力撑起星火X2.6:端云一体如何落地 | 2026-10-27 |
| MiniMax开源M3.1 Flash:高性价比智能体模型落地 | 2026-10-27 |