428B 开源、1M 上下文：MiniMax M3.1 Flash 把「大而快」摆上了货架

一、它是什么：428B 的 MoE，每 token 只激活 23B

总参数：428B，每 token 激活约 23B（MoE 稀疏架构）
输入：文本、图像、视频（多模态）
上下文：最高 1,000,000 token
定位：编程、智能体、计算机操作类任务
权重：Hugging Face（MiniMaxAI/MiniMax-M3.1-Flash）与魔搭社区同步放出

官方披露的三项关键技术分别是：全模型稀疏注意力（把长上下文的注意力开销压下来）、量化感知训练 QAT（让量化后的精度损失可控）、功耗感知调度（按功耗预算分配算力，提高单位能耗吞吐）。三项合起来，才解释了「428B 还能跑到 200+ tok/s」这件事。

二、三天 100 万亿 token：速度与成本这笔账怎么算

指标	M3（上一代）	M3.1 Flash
线上推理速度	基线	近 3 倍
智能体任务综合成本	基线	−70%
日常输出速度	—	200+ tok/s
上下文上限	—	1,000,000 token
上线后 72 小时处理量	—	>100 万亿 token

口径要说清楚：以上都是云端服务侧的官方与媒体披露指标，不等于单机部署速度。单机能跑到多少，取决于量化档、显存与内存带宽、以及是否采用分层（显存+内存+SSD）——同一份权重在不同机器上差 2–3 倍是常态。

三、Day-0 生态：国产芯片这次几乎全在名单里

芯片：华为昇腾、平头哥、昆仑芯（宣布完成 Day 0 适配）、摩尔线程、壁仞、海光、沐曦、天数，以及英伟达与 AMD
推理框架：vLLM、SGLang、智源 FlagOS
云与平台：Together AI、Fireworks、Nebius、Baseten、Modal、DigitalOcean
模型库：Hugging Face、魔搭社区

这份名单比跑分更值得看：它决定「客户机房里的那张卡有没有算子」。国产卡从「能跑小参数模型」到「首日接住 428B 级开放权重」，是这一轮国产算力份额上行的具体注脚。

四、对客户机房意味着什么

能不能单机跑：23B 的激活量不大，但 428B 的权重总量仍是大头。能否单机取决于官方后续放出的量化档与是否支持分层——官方目前没有公布 GGUF 体积，不要拿参数量直接换算显存。
上下文：1M 上限对卷宗、整本材料这类场景有意义，但要用真实业务长度扫一遍衰减曲线（8K / 32K / 128K / 512K 四档）再定档。
许可：开源权重不等于随便商用，落地前先核对许可证条款与商用限制。
算子：Day-0 适配通常覆盖主流算子，视觉与视频输入属于长尾，必须单独验。

五、我们拿到权重后会补测什么

Q4 / Q5 / Q8 各量化档的真实体积（GB）与单机可加载性
24 GB / 32 GB / 48 GB 三档显卡：能否加载、是否必须走分层
1M 上下文的实际解码速度曲线（每 4 倍上下文掉多少）
视觉与视频输入在国产卡上的算子覆盖
沙箱工具任务的通过率（agent 场景的真实分水岭）

在这几项测完之前，任何「单机多少 tok/s」的说法都是猜的——我们不会用自己的机器去替别人的机器下结论。

机悟的建议：先别问「能不能跑 428B」，先问「23B 激活落在哪」

这类 MoE 开放权重，决定体验的是三件事，按顺序验：

装得下吗：显存 + 内存 + SSD 的总容量，别只看显存。
激活常驻吗：每 token 要用的 23B 是否常驻 GPU，决定 tok/s 的上限。
拉长还剩多少：把上下文拉到业务真实长度，再看速度与显存余量。
给我们一张卡型清单，我们按这三步出结论——不做「参数量换算显存」的估算。

数据来源：IT之家《MiniMax M3.1 Flash 开源模型权重，总参数 428B》（2026-10-23）、36 氪/智东西《MiniMax 重磅模型开源，华为昇腾将接入，3 天处理超 100 万亿 Token》（2026-10-23）、MiniMax 官方开源页（Hugging Face / 魔搭）。文中「近 3 倍」「70%」「200+ tok/s」「100 万亿 token」均为官方披露的云端服务口径，非本机实测；本页未做本地部署测试，不涉及能力排名。本文仅转述公开报道，不评判任何企业与产品，不构成投资建议。