MiniMax M3.1 Flash 开源 428B 总参数仅激活 23B

MiniMax M3.1 Flash 正式开源，这款混合专家大模型总参数达到 428B，但单次推理只激活 23B 参数，资源消耗大幅降低，上线之后 72 小时内就完成了百万亿级别的 Token 处理量，核心原因是模型采用稀疏注意力 + MoE 混合专家架构，只有部分专家模块参与每一轮运算，不需要把全部 428B 参数全部投入计算；部署时只需要加载完整模型权重，但运行阶段仅调用 23B 激活参数，推理成本更低、运行速度更快；大家可以直接获取开源权重完成私有化部署，还能开启提示词缓存进一步压缩调用开销，整体实现大参数量、低运行成本、高处理吞吐量三者兼顾。

一、核心硬件与参数配置清单

1. 模型基础架构

• 架构类型：MoE 混合专家 + 自研稀疏注意力 MSA
• 总参数量：428B
• 单次激活参数量：23B
• 上下文窗口：100 万 Token
• 输入能力：文本、图片、视频多模态输入

1. 推理性能指标

• 常规输出速度：150~200Token / 秒
• 72 小时峰值处理量：百万亿 Token
• 支持功能：提示词缓存、可调思考深度、工具调用

二、开源部署操作步骤

1. 下载开源模型权重，支持 HuggingFace 与 GitHub 双仓库获取
2. 采用 SGLang 推理框架搭建服务，适配分片加载模式
3. 开启稀疏推理模式，锁定仅激活 23B 参数的专家模块
4. 开启 prompt 缓存功能，减少重复内容的算力消耗
5. 接入 API 接口，完成本地私有化调用与微调

三、调用成本参考表

表格

四、模型适用场景

1. 代码开发、程序调试、自动化 Agent 任务
2. 长文档解析、百万字级资料批量处理
3. 图文视频多模态内容理解与分析
4. 金融数据分析、批量任务自动化执行

【常见问题】

问题 1：MiniMax M3.1 Flash 拥有 428B 总参数，为什么推理只激活 23B 参数？

回答 1：MiniMax M3.1 Flash 采用 MoE 混合专家架构，每一次 Token 生成只会启用少量专家模块，其余专家处于休眠状态，所以总参数为 428B，实际参与运算的激活参数仅 23B，以此降低算力开销。

问题 2：MiniMax M3.1 Flash 开源之后，能不能支撑 72 小时百万亿 Token 的大批量处理？

回答 2：MiniMax M3.1 Flash 搭配稀疏推理与提示词缓存机制，吞吐能力极强，官方实测上线后 72 小时可完成百万亿 Token 处理，开源版本保留全部性能，能够支撑大规模批量任务。

问题 3：部署 MiniMax M3.1 Flash，显存只需要按照 23B 激活参数来准备吗？

回答 3：不可以，MiniMax M3.1 Flash 需要完整加载 428B 全部模型权重，必须按照完整权重容量配置显存，仅运行推理时才只调用 23B 激活参数。

【数据来源】

[2026-10-23]（MiniMax M3.1 Flash 开源 428B 参数仅激活 23B）证券时报 e

[2026-10-23]（M3.1-Flash-Preview 技术文档）MiniMax

[2026-10-19]（MiniMax M3.1 Flash 性能与定价）MiniMax Research

免责声明：本文所有技术参数、性能数据均来自官方公开资料，实际部署效果会受服务器硬件、推理框架、网络负载影响；开源模型仅可用于合规科研与商用项目，使用者需要自行遵守网络安全与知识产权相关法律法规。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！