摘要 MiniMax 10 月 23 日开源 M3.1 Flash：总参数约 428B、每个 token 激活约 23B，和上一代 M3 相同，支持文本、图片和视频输入，上下文 100 万 token。这一版的三处改动都冲着推理效率：M3 剩下的 3 层全注意力也换成稀疏注意力，训练时就把专家和注意力按低精度量化，投机解码换成 DSpark 并附上草稿头。和 DeepSeek V4.1 Flash 比，它的总参数约为对方的 56%，但对方每个 token 只激活 8B 到 16B；两家都有成绩的 6 项评测里 M3.1 Flash 赢 2 项，编程和终端操作的三项都是 DeepSeek 更强。权重可以下载，商用要在产品里注明并通知 MiniMax，年收入超过 2000 万美元需要书面授权，比 DeepSeek 用的 MIT 许可证多了几道手续。
10 月 23 日，MiniMax 在 Hugging Face 放出了 M3.1 Flash 的权重。四天前它先以 API 上线，官方博客当时写的是“权重稍后发布”。X 上的 Gorden Sun 发帖时只给了三个数：总参数 428B、激活 23B，比 DeepSeek Flash 的 763B 小不少。三个数都对得上，但第三个数还有另一面：DeepSeek V4.1 Flash 每个 token 只动用 8B 到 16B 参数，比 M3.1 Flash 还少。下面从这两个参数数讲起，再看这一版改了什么、和 DeepSeek 怎么比，以及权重下载之后能拿来做什么。
参数没变：428B 总参数，每个 token 只用 23B
M3.1 Flash 是混合专家模型（MoE，Mixture of Experts）：模型里有很多组“专家”子网络，每处理一个 token（模型读写文字的计量单位）只调用其中几组。所以它有两个参数数。总参数约 428B，决定权重文件有多大、部署要准备多少显存；激活参数约 23B，决定每个 token 实际要算多少。两个数都和 6 月发布的 M3 一致。
按仓库里的配置文件，它一共 60 层，除开头 3 层外，每层有 128 个路由专家，每个 token 挑 4 个，另有 1 个所有 token 都要经过的共享专家。输入可以是文本、图片和视频，输出是文本，上下文窗口（模型一次能看到的全部内容）最长 100 万 token。
想自己部署，先算权重有多大：48 个分片合计约 250 GB，另有 2.3 GB 的投机解码草稿头。按 428B 参数折算，平均每个参数约 4.7 比特，比常见的 16 比特小得多，这和下一节的“训练时就量化”对得上。
改了三处，都冲着推理效率
模型卡说 M3.1 Flash 保留了 M3 的混合专家架构，改动有三处，目的都是让同一个模型跑得更快、更省：
第一处是全模型稀疏注意力。 注意力是模型生成每个 token 时回头查看前文的机制。全注意力要把前文每个 token 都算一遍，上下文越长越贵，到 100 万 token 时这部分最吃算力。MiniMax 的稀疏注意力 MSA（MiniMax Sparse Attention）先用一个轻量的索引分支给前文分块打分，只挑最相关的几块精算：配置里每块 128 个 token，挑 16 块，再加上紧挨着的一块。M3 已经用上 MSA，但开头 3 层还是全注意力；M3.1 Flash 把这 3 层也换掉，60 层全部稀疏。
MSA 论文在一个 109B 参数的模型上测过：100 万 token 时，每个 token 的注意力计算少了 28.4 倍，在 H800 上预填充（读入提示词）快 14.2 倍、解码（逐个生成 token）快 7.6 倍。这是论文里那个模型的数，不是 M3.1 Flash 本身的。
第二处是量化感知训练（QAT，Quantization-Aware Training）。 量化是把参数从 16 比特这样的高精度存成 8 比特、4 比特的低精度，省显存、算得快，代价是可能掉精度。常见做法是训完再量化；量化感知训练是在训练时就按低精度计算，让模型提前适应。M3.1 Flash 对路由专家和注意力部分做了 QAT，FlagOS 的部署文档写明，官方权重是 NVFP4（英伟达的一种 4 比特浮点格式）。
第三处是 DSpark 投机解码。 投机解码（speculative decoding）是先让一个小的草稿模型连猜几个 token，再由大模型一次核对，猜对的直接收下，比大模型一个一个生成快。M3 用的是类似 EAGLE 的多 token 预测，M3.1 Flash 换成 DSpark，草稿头单独放在仓库的 dspark 目录里，要配合支持它的推理框架使用。DeepSeek V4.1 Flash 的模型卡里也列着 DSpark，写的是半自回归地生成草稿、按置信度安排核对。
三处改动合起来快了多少，模型卡没有给 M3.1 Flash 单独的数字。10 月 19 日的官方博客说在线推理快了近三倍，日常输出可到每秒 200 多个 token，说的是 MiniMax 自己的 API 服务；自己部署能跑多快，取决于显卡和推理框架。
和 DeepSeek V4.1 Flash 比：总参数小，激活的反而多
推文里拿来对比的 763B，是 DeepSeek V4.1 Flash 在 Hugging Face 上的权重合计。它的模型卡写得更细：主干参数 552B，另有 196B 的 Engram 条件记忆（按 token 查表、只读取少量条目的记忆模块）；它采用编码器加解码器的结构，每个 token 读入时只激活 8B，生成时激活 16B。
所以“M3.1 Flash 小不少”要分两头看。总参数 428B 约为 763B 的 56%，自己部署时要准备的显存更少；但 M3.1 Flash 每个 token 要动用 23B，比 DeepSeek 生成时的 16B 多四成多，单个 token 的计算并不更省。哪个跑起来更便宜，取决于部署方式和任务里读入、生成各占多少，不能只看总参数。
能力上，MiniMax 在模型卡里放了一张 15 项评测的对比表，对手是 DeepSeek、Kimi、GLM 和 GPT-5.6 Sol、Opus 5，成绩都是 MiniMax 自己报的。表里 DeepSeek 有两列：9 月的 V4.1 Flash 和 10 月 17 日的 V4.1 Flash-1017。
和更新的 1017 版比，两家都有成绩的只有 6 项。M3.1 Flash 赢 Automation-Bench（62.8 对 60.5）和 HLE（43.4 对 42.6），DeepSeek 赢 Terminal Bench 4.0、DeepSWE、NL2Repo-Bench 和 BabyVision，其中编程和终端操作的三项差 3 到 7 分。HLE 这一格，10 月 19 日官方博客里的同一张表写的是 44.0，模型卡改成了 42.6；按博客的数是 1 胜 5 负。
权重能下载，商用要署名、报备
开源说的是权重可以下载、修改、再发布，能不能拿去赚钱要看许可证。M3.1 Flash 用的是 MiniMax 社区许可证，和 M3 同一份：非商业用途可以自由使用；商用要在网站、界面或产品文档里显著标注“Built with MiniMax M3.1-Flash”，并给 MiniMax 发一封通知邮件；产品年收入超过 2000 万美元，要先拿到 MiniMax 的书面授权。许可证对“商用”的定义很宽，收费的产品和服务、商用 API、拿微调过的版本做生意都算，另外还列了禁止用途，比如军事用途。DeepSeek V4.1 Flash 用的是 MIT 许可证，只要求保留版权和许可声明。
部署上，模型卡推荐 SGLang、vLLM 和 TokenSpeed 三个推理框架，Transformers、KTransformers 等还在适配；推荐采样参数是 temperature 1.0、top_p 0.95，推理强度可以在 low 到 max 五档里选。国产芯片方面，智源研究院等联合发起的 FlagOS 社区把官方的 NVFP4 权重重新量化成 W8A8（权重和激活都用 8 比特）版本，覆盖平头哥、英伟达、沐曦、海光、华为昇腾、摩尔线程、天数智芯、昆仑芯和清微智能九家的芯片，示例是在平头哥芯片上 8 卡并行运行。
看一个开源模型，先看这三样
- 两个参数数一起看。 总参数决定要多少显存，激活参数决定每个 token 算多少；M3.1 Flash 和 DeepSeek V4.1 Flash 正好一个总量小、一个激活少。
- 许可证比“开源”两个字重要。 同样能下载，MIT 和需要署名、报备、超过营收门槛要授权的许可证，对做产品的人是两回事。
- 看推理配套给没给全。 草稿头、低精度权重、推理框架和芯片适配，决定自己部署能不能接近官方说的速度。模型卡没有给自部署的速度，正式用之前先在自己的硬件上测。