# MiniMax-M3.1-Flash模型

MiniMax 开源 MiniMax-M3.1-Flash，vLLM 在发布当天于 NVIDIA Blackwell、Rubin 与 AMD MI350 系列 GPU 上提供支持。该模型针对 NVFP4 KV 缓存做量化感知训练，路由专家权重也以 NVFP4 存储，检查点从 451.5 GB 降到 250.1 GB，每 token 的 KV 缓存从 61,440 字节降到 34,560 字节。在四块 NVIDIA B300、DEP4 部署、256K token 序列下，M3.1 可容纳 76 条并发序列，而使用 FP8 KV 缓存的 M3 为 28 条。

MiniMax 开源 MiniMax-M3.1-Flash，vLLM 在发布当天于 NVIDIA Blackwell、Rubin 与 AMD MI350 系列 GPU 上提供支持。该模型针对 NVFP4 KV 缓存做量化感知训练，路由专家权重也以 NVFP4 存储，检查点从 451.5 GB 降到 250.1 GB，每 token 的 KV 缓存从 61,440 字节降到 34,560 字节。在四块 NVIDIA B300、DEP4 部署、256K token 序列下，M3.1 可容纳 76 条并发序列，而使用 FP8 KV 缓存的 M3 为 28 条。

MiniMax 的开放权重多模态模型 M3.1 Flash 已免费上线 AI Gateway，免费期至 10 月 22 日，且仅在请求由 MiniMax 承接时生效。该模型面向编程与智能体工作，上下文窗口为 100 万 token，可容纳长文档与多步智能体会话。相比更早的 MiniMax 模型，MiniMax 称其在复杂智能体任务、编程和网络安全上有所改进，编程方面最佳结果出现在应用开发，尤其是前端交互、定向缺陷修复和组件测试。

MiniMax 的开放权重多模态模型 M3.1 Flash 已免费上线 AI Gateway，免费期至 10 月 22 日，且仅在请求由 MiniMax 承接时生效。该模型面向编程与智能体工作，上下文窗口为 100 万 token，可容纳长文档与多步智能体会话。相比更早的 MiniMax 模型，MiniMax 称其在复杂智能体任务、编程和网络安全上有所改进，编程方面最佳结果出现在应用开发，尤其是前端交互、定向缺陷修复和组件测试。