MiniMax 开源 4280 亿参数新模型：上线三天跑了 100 万亿 Token

MiniMax 稀宇科技今天宣布开源 MiniMax M3.1 Flash 的模型权重。总参数 428B，激活参数 23B。数字摆在这里，但更值得看的是它怎么把大模型跑得又快又省。

一分钟速览

• 总参数 428B、激活参数 23B，属于稀疏混合专家架构。
• 通过稀疏注意力、量化感知训练和功耗调度三项优化提升推理效率。
• 10 月 19 日上线，72 小时内真实用户处理超过 100 万亿 Token。
• 开源首日即与华为昇腾、摩尔线程、英伟达、AMD 等芯片厂商完成接入。

先看参数，再看效率

428B 总参数听起来吓人，但每次推理只激活 23B。这就是混合专家架构的好处：模型很大，干活时只叫醒需要的那部分专家，算力花在有用的地方。相比上一代 M3，M3.1 Flash 的能力有全面提升，而 Flash 这个名字本身就说明了定位，快。

三个优化，都是抠效率

第一项是全模型稀疏注意力。前三个全注意力层被替换成稀疏注意力，计算时不必让每个词都和其他所有词发生关系，长文本场景下省下的算力相当可观。

第二项是量化感知训练。路由部分的专家迁移到 W4A4 精度（共享专家除外），稀疏注意力的索引器和主分支从 Q8KV8 迁到 Q8KV4。翻成大白话：用更低的数值精度存权重和缓存，显存占用更小，速度更快，同时靠训练阶段就考虑量化来保住效果。

第三项是功耗感知调度。通过对计算卡功耗做精细分配，让卡持续维持在算力高位，把硬件效率榨到极限。这一项听起来偏工程，但对大规模服务来说，直接决定单位 Token 的成本。

三天 100 万亿 Token 是什么概念

M3.1 Flash 在 10 月 19 日上线，72 小时内真实用户处理超过 100 万亿 Token。这个量级说明它不是实验室里的样品，而是上线即被真实流量压过的模型。对开源模型来说，能被大规模调用验证，比跑分更有说服力。

开源首日就有人接

MiniMax 这次拉了一支很长的队伍：华为昇腾、平头哥、昆仑芯、摩尔线程、壁仞、海光、沐曦、天数、英伟达、AMD 等芯片厂商，以及 Together AI、Fireworks、Nebius、Baseten、Modal、DigitalOcean 等推理和云平台，共同推进开源首日接入。vLLM、SGLang、智源 FlagOS 和 Hugging Face、魔搭等框架与社区也同步跟进。

权重放出来只是第一步。真想让人用起来，还得有下载渠道、推理框架支持和足够便宜的算力，这三样缺一样，开源就只剩一条新闻。对中小团队来说，能在一两张消费级显卡上跑起来的模型，往往比榜单第一更有吸引力。

国产模型开源，难点从来不只是权重放出来，而是有没有人愿意为各种芯片做适配。这次首日就能在这么多平台上跑起来，说明生态协同提前做了功课。对开发者来说，选择变多了；对行业来说，开源模型的竞争已经从参数比拼，转向谁能把推理成本压得更低。