MiniMax M3.1 Flash 开源，上线 72 小时处理 Token 超过 100 万亿
推荐理由权重开放和芯片、推理框架首日接入，为自部署提供新的选择。适合关注部署条件与量化方案，分清官方吞吐主张和自己的工作负载。
读前速览
MiniMax 宣布开源 M3.1 Flash 模型权重，该模型通过全模型稀疏注意力、QAT 和 Power-aware scheduling 优化，实现了显著的性能提升和推理效率，上线 72 小时内处理超过 100 万亿 Token，并得到多家芯片和云服务平台的广泛支持。
M3.1 Flash 实现了显著的性能提升和推理效率优化
通过引入全模型稀疏注意力、QAT 和 Power-aware scheduling，M3.1 Flash 在保持高精度的同时，大幅降低了计算资源消耗和推理时间，使其在实际应用中更加高效。
模型上线 72 小时内处理超过 100 万亿 Token
这一数据表明 M3.1 Flash 在全球范围内得到了广泛的接受和使用，其强大的处理能力和稳定性得到了真实用户的验证。
广泛的行业合作和生态支持
MiniMax 与多家领先的芯片厂商（如华为、NVIDIA）和云服务平台（如 Together AI、Fireworks）合作，确保 M3.1 Flash 能够在多种硬件和软件环境中无缝运行，进一步推动 AI 开源生态的发展。
完整摘要
MiniMax 于 2026 年 10 月 23 日正式开源 M3.1 Flash 模型，总参数 428B，激活参数 23B。该模型在上一代 M3 的基础上，通过全模型稀疏注意力、量化感知训练（QAT）和 Power-aware scheduling 等技术，显著提升了推理效率。上线 72 小时内，真实用户处理的 Token 量超过 100 万亿。MiniMax 与多家海内外芯片厂商和云服务平台合作，共同推动该模型的开源和应用，并由 vLLM、SGLang、智源 FlagOS 等推理框架支持。
今天，我们开源 MiniMax M3.1 Flash 的模型权重，总参数 428B，激活参数 23B。
相较于上一代 M3 模型，M3.1 Flash 的模型能力实现了全面提升。此外，通过全模型稀疏注意力、量化感知训练和 Power-aware scheduling 等优化工作，M3.1 Flash 进一步提升了推理效率：
-
全模型稀疏注意力：前三个全注意力层替换为稀疏注意力；
-
QAT：路由 MoE 专家迁移到 W4A4（共享专家除外），稀疏注意力索引器和主分支从 Q8KV8 迁移到 Q8KV4；
-
Power-aware scheduling：通过对计算卡功耗的精细分配，保持计算卡持续维持算力高位，极致压榨硬件效率。
感谢全球开发者的支持和喜爱。M3.1 Flash 上线后，72 小时内真实用户处理超过 100 万亿 Token。
我们携手华为昇腾、平头哥、昆仑芯、摩尔线程、壁仞、海光、沐曦、天数、NVIDIA、AMD 等海内外芯片厂商，以及 Together AI、Fireworks、Nebius、Baseten、Modal、DigitalOcean 等推理和云服务平台，共同推进 M3.1 Flash 的开源首日接入。
此外，vLLM、SGLang、智源 FlagOS 和 Hugging Face、魔搭等推理框架与开源社区，也将与 MiniMax 一齐推动模型在不同芯片、云平台和开发环境中的应用，持续拓展全球 AI 开源生态。
开源地址：
Intelligence with Everyone.
