知识卡片：MiniMax开源M3.1 Flash，72小时处理超100万亿Token

一句话结论

MiniMax开源M3.1 Flash模型权重（总参数428B、激活参数23B），通过稀疏注意力、W4A4量化MoE与功耗感知调度提升推理效率，上线72小时内真实用户处理Token超100万亿，首日即获华为昇腾、NVIDIA、AMD及Together AI等平台接入。

事件概述或研究问题

据腾讯研究院AI速递（20261026），MiniMax开源了M3.1 Flash模型权重，能力较上一代M3全面提升。本条关注的问题是：在大参数规模（428B总参数）下，如何通过架构与量化手段控制激活参数（23B）与推理功耗，从而支撑超大规模真实调用量。

方法/产品要点

• 模型规格：总参数428B，激活参数23B，能力较上一代M3全面提升。
• 注意力改造：前三个全注意力层改为稀疏注意力。
• 量化：路由MoE专家迁至W4A4量化。
• 功耗调度：采用Power-aware scheduling精细分配功耗，以提升推理效率。
• 生态接入：华为昇腾、NVIDIA、AMD等芯片厂商及Together AI等推理平台完成首日接入。

主要结果或产业意义

• 上线72小时内，真实用户处理Token超100万亿。
• 首日即完成多家主流芯片厂商与推理平台的接入，显示开源权重在异构硬件上的快速适配能力。
• 稀疏注意力+MoE量化+功耗调度的组合，为大参数模型在推理侧的成本与能效控制提供了可参考的工程路径。

为什么重要

• 与既有卡片“MiniMax上线M3.1-Flash，推理深度拆成五档”（2026-09-29）相比，本条增量在于：开源权重、具体参数规模（428B/23B）、架构与量化细节，以及72小时100万亿Token的调用量数据；前者关注产品侧的推理深度分档，本条关注模型侧的效率工程与生态接入。
• 与“高效推理服务MiniMax-M3”（2026-07-07）相比，本条是模型本体的开源与架构优化，而非第三方推理平台的吞吐优化，二者可互补阅读。
• 100万亿Token/72小时的量级，可作为观察开源大模型真实需求强度的参考指标。

局限与不确定性

• “超100万亿Token”为速递转述，统计口径（是否含缓存、是否含API与免费额度）待核实。
• “能力较上一代M3全面提升”的具体评测项与分数待核实。
• 功耗感知调度的具体实现机制与能效提升幅度待核实。
• 各芯片厂商“首日接入”的实际性能表现待核实。

可用于图书/PPT/简报的角度

• 开源大模型的“效率工程”组合拳：稀疏注意力、MoE量化、功耗调度。
• 开源权重与异构硬件生态的首日适配，作为产业协同案例。
• 用“72小时100万亿Token”说明开源模型的真实调用规模量级（需标注口径待核实）。
• 与同批次Kimi K3.1 Pro（3万亿参数、百万上下文）对照，讨论“大参数 vs 高效率”两条路线。

与既有脉络的关系

本条延续“MiniMax-M3系列高效推理”脉络：既有卡片记录了M3的第三方推理优化与M3.1-Flash-Preview的推理深度分档，本条补充了M3.1 Flash的开源权重、参数规模、架构量化细节与调用量数据，属于同一产品线的更新与增量信息。

原始材料

• 来源：腾讯研究院AI速递 20261026
• URL：https://m.sohu.com/a/1092593629_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334
• 关键词：MiniMax、M3.1 Flash、开源权重、稀疏注意力、W4A4量化、Power-aware scheduling、MoE