minimaxm3.ru › M3.1 Flash

MiniMax M3.1 Flash

Вторая модель семейства, представленная 19 октября 2026 года. Слово Flash здесь не значит «маленькая»: параметров столько же, сколько у M3, — около 428 млрд при 23 млрд активных. Изменилось то, как модель работает: внимание стало разреженным во всех слоях, веса экспертов хранятся в четырёх битах, а рассуждение нельзя выключить, только настроить по глубине.

Паспорт M3.1 Flash

Анонс

19 октября 2026

Репозиторий на Hugging Face

создан 17 октября 2026

Имя в API

MiniMax-M3.1-Flash

Параметры

≈428 млрд, активных ≈23 млрд

Контекст

до 1 000 000 токенов

На входе

текст, изображения, видео

Рассуждение

всегда, effort: low … max

Вес репозитория

252 ГБ

Лицензия

MiniMax Community License

В анонсе сказано, что веса выйдут позже, но на 29 октября репозиторий уже открыт, и счётчик Hugging Face показывает больше 15 тыс. загрузок.

Что поменяли по сравнению с M3

1. Разреженное внимание везде. У M3 первые три слоя оставались с полным вниманием, в M3.1 Flash их тоже перевели на MSA.
2. Квантование во время обучения. Маршрутизируемые эксперты и пути внимания квантуются уже на обучении, и в репозитории сразу лежит сжатый вариант: эксперты — в NVFP4, внимание — в MXFP8, служебные слои — в BF16.
3. Спекулятивный вывод DSpark. Он заменил многотокенную голову в духе EAGLE, которой пользовалась M3. Черновая голова DSpark входит в выпуск и работает с совместимыми серверами вывода.

Итог, по словам MiniMax: онлайн-вывод почти втрое быстрее, скорость ответа доходит до 200 с лишним токенов в секунду, медиана — больше 170.

Почему Hugging Face показывает 220 млрд

В шапке репозитория M3.1 Flash стоит 220 млрд параметров, хотя в карточке — 428 млрд. Расхождение арифметическое: эксперты хранятся в четырёхбитном NVFP4, по два значения в байте, а счётчик Hub принимает каждый такой байт за один параметр. 206,6 млрд таких байтов дают 413 млрд параметров, ещё 10,6 млрд лежат в FP8 и 3,3 млрд — в BF16. В сумме те же 427 млрд, что у M3.

Рассуждение: выключить нельзя, можно убавить

M3.1 Flash думает перед каждым ответом. Глубину задаёт параметр effort с пятью уровнями: low, medium, high, xhigh и max; если его не передать, API берёт max. В Anthropic-совместимом API это поле output_config.effort, в OpenAI-совместимом — reasoning_effort, в Responses API — reasoning.effort. Рассуждение приходит отдельно от ответа: блоком thinking или полем reasoning_content.

Попытка отключить рассуждение возвращает ошибку 400 с кодом 2013. У M3 всё наоборот: по умолчанию она отвечает без рассуждения, а включается оно значением adaptive.

Уровень стоит подбирать под задачу. Artificial Analysis отмечает, что M3.1 Flash очень многословна: на прогон индекса площадки ушло 160 млн выходных токенов при медиане 100 млн у моделей того же класса. MiniMax сама советует понижать effort на простых задачах — это сокращает и время ответа, и расход квоты.

Результаты из карточки модели

В той же таблице MiniMax приводит модели других компаний, и M3.1 Flash там первая не везде: на OSWorld 2.0, Terminal Bench 4.0 и NL2Repo-Bench её опережает Claude Opus 5. В анонсе MiniMax пишет, что на OSWorld V2 и Agents’ Last Exam модель лучшая среди китайских.

Независимая проверка

Индекс Artificial Analysis v5

28,9

Среди открытых моделей класса

5-е из 17

Humanity’s Last Exam

48,0%

Terminal-Bench 4.0

25,8%

Скорость вывода

118,9 токена/с

Стоимость прогона индекса

$0,49 за задачу

Для сравнения, у M3 на той же площадке индекс 18,7 и $1,29 за задачу. Terminal-Bench у Artificial Analysis вышел ниже заявленного (25,8 против 38,1): MiniMax запускала тест в Codex, площадка — в собственной обвязке. HLE, наоборот, выше заявленного (48,0 против 43,4); условия замера у разработчика и площадки разные. На арене LMArena M3.1 Flash в срезе 22 октября ещё нет.

Цена и ранняя версия

Ставка одна, без ступени для длинных запросов: $0,15 за 1 млн входных токенов, $0,60 за 1 млн выходных и $0,015 за токены из кэша. Это ровно половина нынешней цены M3 для запросов до 512 тыс. токенов и четверть её базовой цены, от которой MiniMax считает скидку. По подсчёту компании, на агентских задачах M3.1 Flash обходится на 70% дешевле предшественницы.

До официального анонса ранняя версия модели работала анонимно под именем Space Bunny и, по тем же данным, обработала больше 200 трлн токенов. Где M3.1 Flash оказывается среди других моделей из Китая, показывает подборка китайских нейросетей с оценками и ценами.

Будет ли Pro

Название Flash подразумевает старшую модель, и MiniMax её обещает: в анонсе 19 октября сказано, что Pro выйдет позже. Даты нет. Промежуточная MiniMax-M3.1-Flash-Preview уже снята: запросы на её имя обслуживает финальная версия.

Чем MiniMax M3.1 Flash отличается от M3?

Размер тот же, около 428 млрд параметров. Поменялись внимание (MSA во всех слоях), хранение весов (эксперты в четырёх битах), ускоритель вывода (DSpark) и рассуждение (всегда включено, глубину задаёт effort). Цена в API вдвое ниже, а индекс Artificial Analysis выше: 28,9 против 18,7.

Можно ли отключить рассуждение в M3.1 Flash?

Нет. Запрос с thinking: disabled или effort: none получает ошибку 400 с кодом 2013. Чтобы ответы были быстрее и короче, ставьте effort: low или medium.

Где скачать MiniMax M3.1 Flash?

В репозитории MiniMaxAI/MiniMax-M3.1-Flash на Hugging Face, 252 ГБ. Для запуска MiniMax рекомендует SGLang, vLLM или TokenSpeed; репозитории и условия лицензии — в разделе «Скачать».

Почему модель называется Flash, если она не меньше M3?

В анонсе MiniMax объясняет Flash как поиск равновесия между эффективностью и возможностями. Модель так же велика, но дешевле в обслуживании за счёт разреженного внимания, четырёхбитных экспертов и спекулятивного вывода. Старшую версию Pro компания обещает выпустить позже.