MiniMax hat am 23. Oktober 2026 die Gewichte von M3.1 Flash geöffnet. In der offiziellen Ankündigung heißt es: Die M3.1-Flash-Gewichte sind jetzt öffentlich – 428B Parameter insgesamt, rund 23B aktiviert pro Token, Mixture-of-Experts-(MoE-)Architektur, Kontextfenster von einer Million Token. Das Modell war am 19. Oktober als API gestartet und zuvor unter dem Codenamen „Space Bunny" anonym getestet worden. Mit den offenen Gewichten können Entwickler es selbst betreiben, statt über MiniMax' API zu gehen.
Drei Eingriffe für mehr Inferenzeffizienz
Die technischen Optimierungen, die MiniMax beschreibt, drehen sich um drei Punkte: Sparse Attention über das gesamte Modell, die die Kosten der Attention über lange Kontexte senkt; Quantization-Aware Training (QAT), das den Genauigkeitsverlust bei niedriger Präzision begrenzt; und power-aware Scheduling, das Rechenleistung an die Last anpasst. Zusammen mit der sparsamen Aktivierung von nur 23B Parametern pro Token kostet die API 0,15 US-Dollar pro Million Input-Token – ein fester Preis rund um die Uhr, ohne Spitzen- und Nebenzeiten.
Die Hälfte der Day-one-Liste sind chinesische Chips
Das Deployment-Ökosystem war am ersten Tag da: auf Chipseite Huawei Ascend, T-head, Kunlunxin, Moore Threads, Biren, Hygon, Musen und TianShu, dazu NVIDIA und AMD; auf Cloudseite Together AI, Fireworks, Nebius, Baseten, Modal und DigitalOcean; auf Communityseite vLLM, SGLang, Baidus FlagOS, Hugging Face und ModelScope. „Installierbar" zählt hier so viel wie „gut im Benchmark".
Warum das zählt
Offene Gewichte für ein MoE dieser Größenordnung sind schon selten; auffälliger ist das Tempo: vier Tage vom API-Start bis zu den offenen Gewichten. Open-Source-Modelle scheinen sich von „offen ab Release" zu „erst Nachfrage validieren, dann Gewichte freigeben" zu bewegen – in der anonymen Space-Bunny-Phase liefen über 200 Billionen Token durch (MiniMax-Angabe), das Modell wurde also erst im echten Traffic gehärtet, dann an die Community übergeben. Für Entwickler in China zählt der Day-one-Support heimischer Chips: kein Warten auf Community-Ports, um es lokal laufen zu lassen. Die Einschränkungen: Eine 428B-Basis, spars oder nicht, bleibt ein Job für Multi-GPU-Workstations und Server, nicht für Consumer-Hardware. Und ohne technischen Bericht bleibt unklar, was sich von M3 zu Flash tatsächlich geändert hat – bisher gibt es dazu nur MiniMax' eigene Darstellung.
