MiniMax M3.1 Flash：开源多模态智能体模型
MiniMax 把 M3.1 Flash 的权重放上了 Hugging Face。这是一个原生多模态的 MoE 模型，主打编码、智能体工作流、Computer Use 与网络安全，文本、图像、视频都能吃，上下文 100 万 token；相比 M3 换了全模型稀疏注意力、量化感知训练和 DSpark 投机解码，官方同时给了一张横跨自动化、终端操作、代码修复与视觉推理的评测表
工具界面
交互式工具即将上线
功能特点
- ✓ 原生多模态 MoE：文本、图像、视频输入，上下文窗口最高 100 万 token，实际可用长度取决于显存与服务配置
- ✓ 三项主要改动：全模型稀疏注意力、量化感知训练、DSpark 投机解码，官方定位是在 M3 基础上提升任务表现与推理效率
- ✓ 官方评测里 Automation-Bench v1.0.6 拿到 62.8，同一张表上 DeepSeek V4.1 Flash-1017 是 60.5、Kimi K3 是 46.7
- ✓ 终端与桌面操作类：Terminal Bench 4.0 为 38.1，OSWorld 2.0 为 61.7；长上下文定位任务 LOCA-Bench 256K 拿到 60.3
- ✓ 编码与仓库级任务：DeepSWE v1.1 73.7、NL2Repo-Bench 61.2、SWE Refactor Bench 23.0；安全向的 CyberGym 为 82.2
- ✓ 视觉与知识：CharXiv RQ 82.5、BabyVision（带工具）91.0、HLE（不带工具）43.4；采样建议 temperature=1.0、top_p=0.95
使用步骤
- 先到 Hugging Face 看 MiniMaxAI/MiniMax-M3.1-Flash 的模型卡，确认你手上的显存够撑你需要的上下文长度
- 用 hf download MiniMaxAI/MiniMax-M3.1-Flash --local-dir MiniMax-M3.1-Flash 拉权重，再按模型卡推荐的推理框架起服务
- 采样按官方建议设 temperature=1.0、top_p=0.95；思考强度用 chat template 里的 reasoning_effort 调，五档可选 low、medium、high、xhigh、max
- 放进智能体前先定好权限边界：Computer Use 与终端类任务给它的权限越小越好，评测分数高不等于线上动作安全
常见问题
M3.1 Flash 是什么模型？
按官方模型卡，它是原生多模态的 MoE 模型，面向编码、智能体工作流、Computer Use 与网络安全，支持文本、图像、视频输入，上下文最高 100 万 token。权重仓库在 huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash。
和 M3 相比改了什么？
官方说保留 M3 的核心 MoE 架构，主要三处变化：全模型使用稀疏注意力、引入量化感知训练（QAT）、以及 DSpark 投机解码，目标是同时提升任务表现和推理效率。
官方公布的分数大概在什么水平？
模型卡给了一张多模型对比表。M3.1 Flash 的 Automation-Bench v1.0.6 是 62.8（DeepSeek V4.1 Flash-1017 为 60.5、Kimi K3 为 46.7），DeepSWE v1.1 为 73.7（DeepSeek 该项 77.0 更高），Terminal Bench 4.0 为 38.1，OSWorld 2.0 为 61.7，CyberGym 82.2，HLE（不带工具）43.4。模型卡也提醒第三方量化版本可能和官方权重有差异。
本地怎么部署？
模型卡给的命令是 hf download MiniMaxAI/MiniMax-M3.1-Flash --local-dir MiniMax-M3.1-Flash，并推荐了若干推理框架起服务；Transformers、KTransformers、unsloth、ATOM 等集成官方标注为进行中。上下文最高 100 万 token，但可用长度与吞吐取决于 GPU 显存和服务配置。
调用参数有什么要注意的？
采样建议 temperature=1.0、top_p=0.95；思考强度在 chat template 上用 reasoning_effort 设置，支持 low、medium、high、xhigh、max 五档。跑 Computer Use 或终端类任务时，建议把工具权限和沙箱边界收紧，别把评测分数当成线上安全性的替代。