10 个关键问题 Q&A
-
Q：M3.1-Flash 是什么模型？ A：MiniMax 发布的原生多模态 MoE 开源模型，主打 Agent、代码、电脑操作、网安。 -
Q：428B 参数是不是每次都全量激活？ A：不是，每次 token 只激活 23B，MoE 稀疏激活，降低推理成本。 -
Q：支持哪些输入？上下文多大？ A：文本、图片、视频都能输，最大上下文窗口 100 万 token。 -
Q：对比老版 M3 主要改了什么？ A：全域稀疏注意力、量化感知训练、DSpark 推测解码三大改动。 -
Q：和 DeepSeek V4.1 Flash 比谁更强？ A：代码略弱，Agent、网安、长上下文是 M3.1-Flash 优势。 -
Q：对比 Kimi K3、GLM-5.3 水平如何？ A：智能体、工具调用、代码、OSWorld 跑分普遍领先。 -
Q：本地能用什么框架部署？ A：优先 SGLang、vLLM、TokenSpeed；多卡集群用 FlagOS。 -
Q：DSpark 推测解码有什么用？ A：替代旧版 MTP，加速生成，降低推理时延，需要框架适配。 -
Q：普通家用显卡能不能跑？ A：门槛很高，不适合消费级显卡，面向企业 GPU 集群。 -
Q：量化版本跑分和官方原版一样吗？ A：不一样，第三方量化后指标会下降，官方结果仅原版权重有效。
MiniMax-M3.1-Flash 是一款原生多模态混合专家模型，面向代码开发、智能体工作流、计算机操作与网络安全场景。支持文本、图像、视频输入，上下文窗口最高可达 100 万 token。
该模型在 MiniMax-M3 的基础上迭代升级，依托全域稀疏注意力、量化感知训练、DSpark 推测解码三大技术，提升任务能力与推理效率。
亮点
- 智能体能力突出
在智能体任务、代码、网络安全领域实现代际提升：BankerToolBench 76.2 分、DeepSWE v1.1 73.7%、OSWorld V2 61.7 分、Agents' Last Exam 29.6 分、CyberGym 82.2 分。 - 原生高效设计
全域稀疏注意力、量化感知训练搭配 DSpark 推测解码，大幅优化推理吞吐。
模型概览
- 架构
原生多模态混合专家（MoE） - 参数量
总参数量约 4280 亿；每个 token 激活 230 亿参数 - 输入输出
支持文本、图像、视频输入；输出文本 - 上下文窗口
最高 100 万 token - 注意力机制
全文采用 MSA 稀疏注意力（参考论文：https://arxiv.org/abs/2606.13392） - 推测解码
内置 DSpark 草稿头
评测基准
|
|
|
|
|
|
|
|
|
|---|---|---|---|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
评测说明：以上结果为官方权重跑分；第三方量化版本跑分可能存在差异。
M3.1-Flash 更新要点
M3.1-Flash 保留了 M3 核心混合专家架构，主要有三处改动：
- 全域稀疏注意力
前三层全注意力层替换为稀疏注意力； - 量化感知训练
路由 MoE 专家与注意力通路在训练阶段即做量化，降低显存占用，提升服务部署效率； - DSpark 推测解码
使用 DSpark 替代原先类似 EAGLE 的 MTP 方案；本次发布配套草稿头，可在兼容的推理服务框架中启用。
使用方式
在线体验入口： https://agent.minimax.io/ https://platform.minimax.io/
本地部署
下载模型命令：
hf download MiniMaxAI/MiniMax-M3.1-Flash --local-dir MiniMax-M3.1-Flash
推荐推理框架：
-
SGLang：参考文档 https://docs.sglang.io/cookbook/autoregressive/MiniMax/MiniMax-M3.1 -
vLLM：参考文档 https://recipes.vllm.ai/MiniMaxAI/MiniMax-M3.1-Flash -
TokenSpeed：参考文档 https://lightseek.org/tokenspeed/recipes/models#minimax-m3-1
其他适配正在开发中：Transformers、KTransformers、Unsloth、ATOM。
多卡集群部署
基于 FlagOS 方案：https://github.com/flagos-ai 详情见模型仓库文档：FlagOS-Multi-Chip-Support-and-Downloads.md
推理参数配置建议
推荐采样参数：temperature=1.0，top_p=0.95推理能力可调：在对话模板中设置 reasoning_effort，可选等级：low（低）、medium（中）、high（高）、xhigh（超高）、max（最高）
模型最大支持 100 万 token 上下文。实际可用上下文长度与吞吐取决于显卡显存和服务配置。
联系我们
邮箱：model@minimax.io
附带链接清单
https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash/tree/mainhttps://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash/discussionshttps://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash?library=transformershttps://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash/colabhttps://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash/kagglehttps://huggingface.co/settings/local-appshttps://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash?local-app=vllmhttps://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash?local-app=sglanghttps://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash?local-app=docker-model-runnerhttps://huggingface.co/models?other=base_model:quantized:MiniMaxAI/MiniMax-M3.1-Flashhttps://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash#model-at-a-glancehttps://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash#benchmarkshttps://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash#whats-new-in-m31-flashhttps://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash#how-to-usehttps://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash#local-deploymenthttps://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash#multi-chip-deploymenthttps://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash#inference-settingshttps://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash#contact-ushttps://agent.minimax.io/https://platform.minimax.io/docs/guides/text-generation https://www.minimax.io/https://modelscope.cn/organization/minimax https://platform.minimaxi.com/docs/faq/contact-ushttps://discord.com/invite/DPC4AHFCBwhttps://huggingface.co/MiniMaxAIhttps://github.com/MiniMax-AIhttps://arxiv.org/abs/2606.13392