从预览版到开源权重M3.1 Flash 一个月内走完了两段路【免费下载链接】MiniMax-M3.1-FlashMiniMax-M3.1-Flash 是一款原生多模态混合专家MoE模型面向编程、智能体工作流、计算机使用和网络安全等场景。它支持文本、图像和视频输入上下文窗口最高可达 100 万 tokens。 在 MiniMax-M3 的基础上M3.1-Flash 通过全模型稀疏注意力、量化感知训练和 DSpark 投机解码进一步提升了任务表现与推理效率。项目地址: https://ai.gitcode.com/MiniMax-AI/MiniMax-M3.1-Flash过去一个月MiniMax-M3.1-Flash 走了一条在大模型行业里并不多见的路9 月底以零跑分、零价格的姿态上线预览版没有一张评测表也没有一份定价页10 月 19 日正式版带着完整成绩单与按量价格发布10 月 23 日428B 总参数、23B 激活的量化感知训练QAT权重连同 DSpark 投机解码 draft head 一并开源。本文基于官方开源权重仓库与预览期、开源期的社区情报把三件事讲清楚预览版与开源版在能力和接口上有哪些已知差异计费从订阅制转向按量制之后团队的预算模型该怎么重画以及已经在用预览版的团队迁移时应该先改哪几处。一个月时间线从太空兔到开源权重先对齐事实底座这条时间线在社区情报中有多处互相印证2026-09-27M3.1-Flash-Preview 上线。先进入 MiniMax Code 编程智能体随后挂到 Token Plan 订阅下供 API 调用。没有官方基准分没有公开价格表。2026-09-30M Plan 推出在 Token Plan 基础上将多模态额度纳入统一池。2026-10-19M3.1 Flash 正式发布。官方确认此前在第三方平台上匿名出现的 Space Bunny 就是 M3.1 Flash 的早期版本完整评测表、200 Token/s 的输出速度、按量定价每百万 Token输入 1 元、输出 4 元、缓存读取 0.1 元同日落定并预告权重放出时间。2026-10-23权重开源。本仓库即对应产物含 48 个主模型分片、DSpark draft head 与多芯片部署说明。亮身份之前这只兔子已经跑了很远。据掘金社区对 OpenCode 公开历史数据的回溯9 月 24 日至 10 月 5 日Space Bunny 按每日 Token 用量连续 12 天排名第一——9 月 24 日单日用量 6.8T同一天 DeepSeek V4.1 Flash 为 6.2T9 月 25 日 9.0T9 月 30 日峰值 10T10 月 5 日仍保持 9.9T9 月 28 日 OpenCode 官方发帖称其已连霸 5 天、累计处理 40T Token。MiniMax 官方披露揭晓身份前累计处理量已超过 200T Token10 月 19 日正式发布后媒体又有上线三天处理超 100 万亿 Token的报道。能力侧在匿名期也有独立记录开发者 Povilas Korop 的 AI Coding Daily 榜单中Space BunnyMax 档、OpenCode 环境得分 57.19/80评测日期 9 月 30 日与 Gemini 4 Argon High 的 57.09、Kimi K3 High 的 56.89 处于相邻位置。换言之在 MiniMax 把名字贴上去之前开发者已经先把它当生产力在用了。这也是这次发布最有意思的顺序先用量再亮牌最后开源。预览版与开源版能力和接口的已知差异能力面评测表与成本曲线第一次摆上台面预览期的最大争议是零跑分发布——不贴榜单、不标价格把验证权直接交给社区。正式版把这张表补上了。以下节选自 README.md 的基准表其余对比模型数据同表基准测试M3.1 FlashDeepSeek V4.1 Flash-1017Kimi K3Opus 5Automation-Bench v1.0.662.860.546.750.3BankerToolBench76.2—69.176.2DeepSWE v1.173.777.067.574.0OSWorld 2.061.7—58.370.6Agents Last Exam29.6—28.332.2CyberGym82.2—80.0—LOCA-Bench 256K60.3—49.753.7SWE Refactor Bench23.0—19.531.0NL2Repo-Bench61.268.258.075.3这张表要连着成本曲线一起读。官方公布的编程成本曲线显示DeepSWE Pass1 随推理强度从 high 到 xhigh 再到 max 分别达到 68.1%、72.1%、73.7%——能力第一次被显式做成了档位。在 Agents Last Exam 的 152 项任务全集上M3.1 Flash 的整套评测预计成本约 739 元人民币。官方口径是相对前代线上推理速度提升近 3 倍日常输出 200 Token/sP50 稳定在 170Agent 任务综合使用成本下降 70%。同时要正视表里留下的短板SWE Refactor Bench 23.0Opus 5 为 31.0、NL2Repo-Bench 61.2Opus 5 为 75.3、Terminal Bench 4.0 为 38.1低于 DeepSeek V4.1 Flash-1017 的 42.3。社区实测也指出其在超长文本一次性处理、高精度多步推理上存在边界。所以开源版的正确读法是在部分 Agent 与 Computer Use 任务上进入了第一梯队在长链路工程任务上仍有差距——这正是选型时要自己算账的地方。接口面调用方式上有什么变化按对迁移影响的大小排序模型名API 侧标识从MiniMax-M3.1-Flash-Preview变为MiniMax-M3.1-Flash这是迁移时唯一必改的一处。推理强度参数预览期通过effort参数调节深度low/medium/high/xhigh/max部分渠道默认max社区反馈深度思考默认启用且不可关闭。开源版 chat template 中该参数落入系统消息的effort标签reasoning_effort或effort均可传入见 chat_template.jinja 第 85-89 行思考模式默认为 adaptive由模型自行决定每轮是否思考。采样参数官方推荐temperature1.0、top_p0.95与 generation_config.json 一致预览期如果自行调过采样参数建议对齐回默认。多模态输入链路文本/图像/视频三模态输入、文本输出不变API 兼容 OpenAI 格式开源 chat template 中 image/video 使用独立 token工具调用走 XML 风格结构。权重面开源仓库里装了什么config.json 给出了完整架构画像60 层、hidden 6144、每层 128 个路由专家 1 个共享专家、每 token 激活 4 个、sigmoid 打分 routing bias前 3 层为 densemoe_layer_freq前三项为 0。相对 M3 的三项变化都能在仓库里一一对上全模型稀疏注意力。M3 的前三个全注意力层被替换为 MSA 稀疏注意力sparse_attention_freq60 层全为 1sparse_topk_blocks16、sparse_block_size128KV 按 128 token 分块做 top-16 精确选择。1M 上下文的计算复杂度因此从平方级压向近线性。量化感知训练。quantization_config显示主体为 mxfp8weight_block_size [1,32]、动态激活路由 MoE 专家进一步采用 NVFP4moe_quant_algo: NVFP4nvfp4-pack-quantizedgate、lm_head、视觉塔、多模态投影等位于ignored_layers列表。README 特意提示第三方量化版本可能有所不同原因就是官方权重本身已是 QAT 产物而不是 BF16 权重的后量化。DSpark 投机解码。取代了此前的类 EAGLE MTP 方案。dspark/ 目录随权重附带 5 层 draft 模型DSparkMiniMaxDraftModeldspark_block_size7、Markov head 秩 256、带 confidence head、dense FFNhidden 12288、4096 滑动窗口上下文取自目标模型的 5 个层dspark_target_layer_ids: [3, 17, 31, 45, 59]draft 权重总量约 2.3GB。在支持投机解码的 serving 框架中可直接挂载。最后是许可证本仓库采用minimax-community见 LICENSE并非 Apache-2.0 一类宽松协议。非商业用途免费商业用途须在产品/文档中显著标注 Built with MiniMax M3.1-Flash若相关服务年营收超过 2000 万美元须提前取得 MiniMax 书面授权否则做一次一次性告知即可。自托管做生产服务的团队必须先看这一条。计费从订阅制转向按量制团队预算模型怎么变M3.1 的上线窗口正好是 MiniMax 计费模式的切换点。链条大致是沿用已久的 Coding Plan订阅、按次口径被 Token Plan按 token 消耗分层计费取代第三方整理的档位约为 Plus 49 元/月、Max 119 元/月、Ultra 469 元/月9 月 30 日 M Plan 又在新购场景取代 Token Plan把文本、图像、视频、语音额度统一折算进同一个额度池已有自动续费的 Token Plan 用户可保留原计划升级可能放弃部分历史权益。同期按量 API 价格成为开源期最直接的预算锚项每百万 Token人民币M3 标准档≤512K 输入社区整理锚点价M3.1 Flash变化输入2.10 元1 元约 -52%输出8.40 元4 元约 -52%缓存读取0.42 元0.1 元约 -76%M3 锚点价来自社区 9 月中旬整理的官方定价M3.1 Flash 降幅与官方对比口径一致。对团队预算模型变化有四个具体后果从固定月费变成用量估算。Coding Plan 时代账单是一个固定的数现在无论按量还是订阅档位第一步都是估 token 吞吐——输入/输出比、推理强度、上下文长度。推理强度直接决定输出量而 high/xhigh/max 对应 68.1%/72.1%/73.7% 的不同分数意味着能力从此是个可以拧的旋钮账单随之联动。预算要按任务难度分档设而不是全局一刀切。缓存价格是 Agent 任务的命门。Agent 多轮调用前缀重复比例高缓存命中率直接决定实际单价。M3.1 Flash 缓存读取 0.1 元/百万 TokenM3 为 0.42 元——综合成本降 70%的说法本质就是单价下降、推理更快少走轮次、缓存更便宜三者的合力而不是任何一项单价降 70%。订阅档位 vs 按量变成用量曲线问题。低频用户走按量最灵活重度 Agent 用户要拿自己的月用量曲线去比对订阅档位上限如果业务混合使用文本、图像、视频M Plan 的统一池省去了分模态做预算的核算成本。本地自托管成为第三选项。权重开源后有 GPU 资源的团队可以把自有卡时成本 vs API 单价摆到同一张表里算——这是预览期根本不存在的新选项当然前提是接受 minimax-community 许可条款。已在用预览版的团队迁移要先改哪几处改模型名唯一必改项。API 兼容 OpenAI 格式客户端只改model字段client OpenAI(api_key***, base_urlhttps://api.minimax.io/v1) resp client.chat.completions.create( modelMiniMax-M3.1-Flash, # 原 MiniMax-M3.1-Flash-Preview messages[...], )显式钉住推理强度避免默认行为漂移。预览期部分渠道默认max开源 chat template 默认为 adaptive。检查现有代码是否隐式依赖总是深度思考需要稳定行为就显式传reasoning_effortlow/medium/high/xhigh/max并把预算口径按分档重算。重算预算基线。拉出预览期用量记录按新单价输入 1 / 输出 4 / 缓存 0.1 元每百万 Token重算再决定留在 Token Plan、转 M Plan 还是切按量。多模态业务文本图视频建议并入统一额度池核算。多模态输入走样例验证。预览期主力是文本工具链路如果现在要启用图像/视频输入视觉塔、patch_merge、视频 temporal 压缩均已随权重开源先用小样例把调用方式、token 消耗验证一遍再批量上线。规划自托管的执行路径hf download MiniMaxAI/MiniMax-M3.1-Flash --local-dir MiniMax-M3.1-Flash官方推荐 SGLang、vLLM 与 TokenSpeed 的对应 recipe多芯片场景参考仓库内 docs/FlagOS-Multi-Chip-Support-and-Downloads.md 的 W8A8 版本覆盖平头哥、NVIDIA、MetaX、海光、华为 Ascend、摩尔线程、天数智芯、昆仑芯、清微智能九家平台。两条纪律QAT 权重不要再做二次量化精度行为以官方权重为准要开投机解码就挂载dspark/下的 draft head。 6.过一遍许可证合规。商用自托管要标注 Built with MiniMax M3.1-Flash年营收超 2000 万美元的产品需提前书面授权——这一条在预览期只有 API不存在是自托管团队的新增检查项。结尾回头看这一个月预览版用真实流量回答了它到底能不能用——12 天调用量第一、200T Token 的处理量、开发者匿名期就给出的 57.19/80开源版则回答了它为什么快、有多便宜、能不能自己扛——全模型 MSA 稀疏注意力、mxfp8/NVFP4 的 QAT 权重、2.3GB 的 DSpark draft head、一页透明的价格表和一份写明边界的许可证。Flash 系模型的意义从来不是弱化旗舰而是把一部分旗舰能力压进更便宜、更快的日常调用档位。对团队来说接下来的动作已经很清楚改一个模型名重算一次账单把推理强度拧到任务该在的位置上。【免费下载链接】MiniMax-M3.1-FlashMiniMax-M3.1-Flash 是一款原生多模态混合专家MoE模型面向编程、智能体工作流、计算机使用和网络安全等场景。它支持文本、图像和视频输入上下文窗口最高可达 100 万 tokens。 在 MiniMax-M3 的基础上M3.1-Flash 通过全模型稀疏注意力、量化感知训练和 DSpark 投机解码进一步提升了任务表现与推理效率。项目地址: https://ai.gitcode.com/MiniMax-AI/MiniMax-M3.1-Flash创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考