MiniMax a ouvert les poids de M3.1 Flash le 23 octobre 2026. Dans son annonce officielle, la société indique que les poids de M3.1 Flash sont désormais publics : 428B paramètres au total, environ 23B activés par token, architecture à mélange d'experts (MoE) et fenêtre de contexte d'un million de tokens. Le modèle avait été lancé en API le 19 octobre, après une phase de test anonyme sous le nom de code « Space Bunny ». Avec les poids ouverts, les développeurs peuvent le déployer eux-mêmes au lieu de passer par l'API de MiniMax.
Trois leviers pour l'efficacité d'inférence
Les optimisations techniques décrites par MiniMax se concentrent sur trois points : l'attention sparse sur tout le modèle, qui réduit le coût de l'attention sur les longs contextes ; l'entraînement sensible à la quantification (QAT), qui limite la perte de précision à basse précision ; et un ordonnancement sensible à la consommation, qui ajuste le calcul à la charge. Combiné à l'activation sparse de seulement 23B paramètres par token, le prix de l'API est de 0,15 dollar par million de tokens d'entrée, un tarif fixe 24h/24 sans heures creuses ni pleines.
La moitié de la liste du premier jour : des puces chinoises
L'écosystème de déploiement était prêt dès le premier jour : côté puces, Huawei Ascend, T-head, Kunlunxin, Moore Threads, Biren, Hygon, Musen et TianShu, plus NVIDIA et AMD ; côté cloud, Together AI, Fireworks, Nebius, Baseten, Modal et DigitalOcean ; côté communauté, vLLM, SGLang, FlagOS de Baidu, Hugging Face et ModelScope. Être installable compte autant que bien figurer aux benchmarks.
Pourquoi c'est important
Des poids ouverts pour un MoE de cette taille sont déjà rares ; le rythme est encore plus parlant : quatre jours entre le lancement de l'API et l'ouverture des poids. Les modèles open source semblent passer de « ouvert dès la sortie » à « d'abord valider la demande, puis publier les poids » : la phase anonyme de Space Bunny a traité plus de 200 000 milliards de tokens (chiffre MiniMax), le modèle a donc été éprouvé sur du trafic réel avant d'être confié à la communauté. Pour les développeurs en Chine, le support des puces nationales dès le premier jour change la donne : plus besoin d'attendre les ports communautaires pour le faire tourner en local. Les limites : une base de 428B, sparse ou non, reste un travail de station multi-GPU ou de serveur, pas de matériel grand public. Et sans rapport technique publié, ce qui a vraiment changé entre M3 et Flash ne repose pour l'instant que sur la version de MiniMax.
