从预览版到开源权重:M3.1 Flash 一个月内走完了两段路

原创2026-10-24 21:26:541,816 阅读
文章标签:人工智能大模型多模态基础模型代码模型本地部署

从预览版到开源权重:M3.1 Flash 一个月内走完了两段路

MiniMax 品牌标识

十月的AI圈,最热闹的一件事,是一只不知来路的“兔子”。

10月19日前后,一个叫“太空兔”的匿名模型悄悄出现在开发者平台上,不报名号、不发通稿,只靠接口在那儿跑。大家一边用一边猜:这是谁家的?跑分像国产、速度又不像。

没过几天,MiniMax 站出来认领了:那是我家的新模型,M3.1 Flash。

再然后,10月23日,它直接把模型权重开源了。官方顺手丢出一个数字:上线72小时,真实用户一共喂进去超过100万亿个 Token。

这个量级是什么概念?差不多相当于把中文互联网上能看的正经文字,来回读了几十遍。

更关键的是时间线:从“预览版能试用”到“权重全公开”,前后只隔了4天。 这一个月里,M3.1 Flash 走完了很多模型要走半年的两段路。

一、它到底是个啥?用一句人话讲清

你可以把 M3.1 Flash 理解成一家超大型的“专家外包公司”。

这家公司名册上挂着 428位专家(总参数428B),但每次接活,只叫 23位最对口的专家上场(激活参数23B)。剩下的在喝茶、不耗电。

这就是所谓“混合专家(MoE)”架构的大白话版本:人多,但不同时上班,所以又快又省。

再说三个普通人最能感知的能力:

第一,它能“一口气读完”。 上下文窗口最高支持 100万 Token。换成生活场景:一整套几十万字的合同、一个中型项目的全部代码、几十篇论文,塞进去让它一次看完,不用你切成十段喂。

第二,它长了眼睛。 文字、图片、视频都能进,输出是文字。你扔一段做饭视频进去,它能给你拆出“第几秒下了什么料、第几秒翻面”。

第三,它天生是干活的,不是聊天的。 会自己拆任务、调工具、开浏览器点鼠标。官方给的成绩单里,电脑操作类测试 OSWorld V2 拿了 61.7分,网络安全类 CyberGym 拿了 82.2分,编程类的 DeepSWE v1.1 是 73.7%。

二、一个月走两段路,其实是两种策略

为什么先出“预览版”,隔几天再“开源权重”?这不是拖延,是节奏。

第一段路:先让你用,不给你抱走。

预览版阶段,模型只活在云端。你用 API 调它,它跑在 MiniMax 的机器上。好处是你能立刻验证:这东西接进我的工作流,到底顶不顶用。坏处也明显:你的数据要出门,你的成本按次算,你的模型随时可能被官方悄悄换掉。

第二段路:把模型整个交到你手里。

10月23日开源后,权重文件公开,一共切成 48个分片,你可以下载到自己的机房里跑。数据不出门,版本不会半夜被更新,想怎么改、怎么调都由你。

这两段路,本质上是两种信任关系:先用“服务”换信任,再用“权重”换承诺。

值得注意的是,这次开源不是“阉割版”。官方明确说,M3.1 Flash 相比上一代 M3 有三处硬升级:全模型稀疏注意力(原来是部分层用,现在全程用)、量化感知训练(训练时就把模型“压缩”好,省显存)、以及 DSpark 投机解码(先猜几个词再一次性验证,猜对了就省时间)。

三、最能打动人的,不是跑分,是那句“打不过我认”

这次官方公布的对比表,很有意思。

它把自己和 DeepSeek、Kimi、GLM、GPT、Opus 摆在一张桌子上,逐项比。赢的项目大大方方标红,输的项目也照实写着。

比如终端操作类 Terminal Bench 4.0,它拿 38.1,Opus 5 拿 51.8;从零搭仓库的 NL2Repo-Bench,它是 61.2,明显落后;编程的 DeepSWE v1.1,它 73.7%,也低于对手的 77.0。

但它赢的地方也很实在:Automation-Bench 62.8 排第一,BankerToolBench 76.2 与 Opus 并列第一,PDF 阅读理解的 GDP.pdf 拿 20.8,甩开第二名一大截。

这种“敢把短板贴墙上”的做法,在如今一片“全面领先”的发布稿里,反而更容易让人信。

再叠加两个数字:推理速度 200+ TPS(每秒吐两百多个字,比你眼睛扫得还快),以及Agent 类任务成本降低70%。

翻译成生活话:它不是最聪明的那个,但它是“干得多、要得少、还不磨叽”的那个。

四、真正让团队头疼的,是账单算法变了

这才是这篇文章最该说清楚的部分。

以前很多团队买 AI 编程工具,习惯的是“包月自助餐”:一个人一个月多少钱,随便吃。预算好做,老板也好批。

而 M3.1 Flash 这一类按量计费的模型,逻辑变成了“按斤称”:输入多少钱、输出多少钱,官方给出的价格低到 1元/百万 Token 输入这个量级。

听着便宜,但账要这么算:

你聊天问一句“今天天气咋样”,消耗几百个 Token;可你要是让 AI 助手自己读一遍整个代码仓库、改三个文件、跑一次测试、失败了再重来——一轮下来可能就是几十万甚至上百万 Token。

有开发者做过实测对比:同一个编程任务,接入不同模型跑同一套流程,最后拉出来的账单能差出好几倍。

所以团队预算模型该怎么变?三句话:

第一,别再按“人头”做预算,改成按“任务”做预算。 一个月有多少次 Agent 任务、每次平均跑几轮,这才是真正的花钱口。

第二,把“思考强度”当成油门。 这个模型开放了五档推理强度(low、medium、high、xhigh、max)。改个称呼、写个日报,用低档就够;排查一个诡异的线上故障,再踩到最高档。会踩油门的人,账单能省一半。

第三,留一笔“重试预算”。 Agent 干活靠试错,第一次不成很正常。预算里如果不给“返工”留位置,月底一定超。

五、已经在用预览版的团队,先改这几处

如果你团队这半个月已经在拿预览版跑东西,迁到开源版,动手前先想清楚这四件事。

第一,接口能少改,但“思考”行为要重新对齐。 这类模型普遍兼容 OpenAI 的调用格式,地址和模型名一换基本能跑。但它默认就带着“边想边答”的机制,输出里会混着思考过程。以前你做好的解析逻辑,很可能被这段“自言自语”打乱。

第二,多模态的输入习惯要统一。 图片有分辨率上限、视频是按帧切片送进去的。以前你是“扔张图就完事”,现在要按它的规矩来,否则识别效果会莫名变差。

第三,权限要收紧。 它能开浏览器、能点鼠标、能执行命令。预览版跑在云上,出了事还有一层隔离;搬到自己的机器上,隔离得你自己搭。给它一个沙箱,别给它你的生产环境。

第四,成本监控要提前埋。 从“包月”切到“按量”的第一周,几乎所有团队都会经历一次“账单惊吓”。埋好统计,比事后解释容易。

六、普通人怎么上手?门槛高不高?

先说结论:想“用”,零门槛;想“装”,门槛不低。

想用,打开 MiniMax 的网页端或者它的 Agent 产品,注册就能聊、能传图、能传视频。手机、普通笔记本都能操作,不需要任何显卡。

想装到自己电脑上?那基本别想。428B 参数的模型,官方推荐的是多卡服务器环境,配套的推理框架也不是双击安装那种体验。这是给公司和重度开发者准备的路。

但有个细节值得点赞:通过 FlagOS 社区,这个模型已经被适配到了 九家芯片平台——包括英伟达、华为昇腾、昆仑芯、摩尔线程、天数智芯、海光、沐曦、平头哥和清微智能。国产卡也能跑,而且是发布当天就有人在适配。

至于许可证,也说清楚:个人学习、研究随便用;商用要标注“Built with MiniMax M3.1-Flash”;年收入超过2000万美元的公司,需要单独拿书面授权。 想拿它做产品卖钱的,别跳过这一条。

写在最后

这一个月里,M3.1 Flash 干的事其实很朴素:先用四天证明“我能打”,再用一份权重证明“我不藏”。

对普通人来说,最直接的变化是:以后你手机里那些“AI帮你写、AI帮你看”的功能,可能会变得更便宜、更快、更敢放手让它自己干。

对行业来说,真正被掀桌子的,可能不是跑分,而是那个“包月订阅”的老习惯。当模型便宜到按斤称,当开源权重随手可得,“一年一万八的AI编程套餐”还能卖多久,是个真问题。

所以想听听你的想法:

如果让你选,你更愿意每个月固定交一笔钱“随便用”,还是用多少付多少、账单透明但心跳加速?

评论区聊聊,你被AI账单“刺”过最狠的一次是多少。

登录后查看全文
MiniMax-M3.1-Flash