MiniMax-M3.1-Flash 本地部署指南8×80G 跑通 100 万上下文多模态 MoE【免费下载链接】MiniMax-M3.1-FlashMiniMax-M3.1-Flash 是一款原生多模态混合专家MoE模型面向编程、智能体工作流、计算机使用和网络安全等场景。它支持文本、图像和视频输入上下文窗口最高可达 100 万 tokens。 在 MiniMax-M3 的基础上M3.1-Flash 通过全模型稀疏注意力、量化感知训练和 DSpark 投机解码进一步提升了任务表现与推理效率。项目地址: https://ai.gitcode.com/MiniMax-AI/MiniMax-M3.1-FlashMiniMax-M3.1-Flash 本地部署不复杂这是一台原生多模态 MoE 模型输入可以是文本、图像、视频输出为文本上下文上限 100 万 tokens。官方权重已经过 QAT 量化感知训练主体 mxfp8MoE 层 NVFP4下载后无需二次量化。全部权重约 233 GiB48 个分片8×80GB 即是最小部署单元8×96GB 更从容用 vLLM 或 SGLang 加--trust-remote-code启动就能拿到一个 OpenAI 兼容的多模态推理服务。能不能跑显存与硬件怎么估权重切成 48 个 safetensors 分片合计约 233 GiB约 250 GB 磁盘占用单卡装不下必须多卡张量并行。分片清单可在 model.safetensors.index.json 中查看。此外dspark/子目录里还放着一个 DSpark 投机解码草稿头约 2.3 GB只在开启加速时才需要加载。两档参考配置8×80GBA100/H100 一类最小可用档位张量并行开 8应对常规到中长上下文够用8×96GB余量更宽裕适合把--max-model-len调高去跑长文本。 显存吃紧时的排障顺序是固定的第一个该动的参数是上下文长度。从 32K 起步首跑再逐步上调100 万是能力上限不是默认值。只有把长度压到业务下限仍装不下才考虑加卡或多机。最短路径跑起来下载与文件核对获取模型二选一hf download MiniMaxAI/MiniMax-M3.1-Flash --local-dir MiniMax-M3.1-Flash或走 git 克隆需先装 git-lfs 才能拉到权重git clone https://gitcode.com/MiniMax-AI/MiniMax-M3.1-Flash下载完成后在模型目录里核对下面四项缺任何一项服务都起不来文件作用config.json架构与量化方案声明框架据此识别模型quantization_config字段generation_config.json官方采样参数基线chat_template.jinja 分词三件套tokenizer.json/merges.txt/vocab.json对话模板与分词processing_minimax.py、image_processor.py、video_processor.py以及dspark/多模态处理代码与 DSpark 草稿头两个推理引擎怎么选vLLM 对 SGLang两者都能完整加载该模型并暴露 OpenAI 兼容接口差异在侧重点vLLMSGLang适用场景多用户并发的在线服务MoE 大模型、长上下文任务并行参数--tensor-parallel-size 8--tp 8上下文参数--max-model-len--context-length特点PagedAttention 显存管理吞吐高调度激进长文本表现好并发压服务选 vLLM长文档、深度推理负载选 SGLang。启动命令4 卡不够就用 8参数随卡数调vllm serve MiniMax-M3.1-Flash \ --trust-remote-code \ --tensor-parallel-size 8 \ --max-model-len 32768python -m sglang.launch_server \ --model-path MiniMax-M3.1-Flash \ --trust-remote-code \ --tp 8 \ --context-length 32768两条命令的必带开关都是--trust-remote-code该模型的多模态处理逻辑写在仓库自带的自定义代码里不打开这个开关就会报架构未识别。输出质量怎么调采样、推理强度与投机解码采样参数官方基线temperature 1.0、top_p 0.95直接沿用最稳推理强度reasoning_effort分low/medium/high/xhigh/max五档由 chat_template.jinja 渲染生效。日常问答medium足够编程与多步推理任务调到high或xhigh延迟敏感场景可降到low上下文取舍100 万是上限而非默认实际可用长度取决于显存与并行配置按业务真实长度分配不为用不到的长度买单加速仓库自带dspark/草稿头在框架的投机解码配置里指定该目录作为草稿模型decode 阶段吞吐会有明显提升具体开关以你所用 vLLM / SGLang 版本的文档为准。没有 N 卡怎么办FlagOS 多芯片 W8A8不用 NVIDIA 卡的路线也已铺好FlagOS 社区把原始 QAT 权重转成W8A8 统一部署版本覆盖平头哥、NVIDIA、华为昇腾、摩尔线程、昆仑芯等 9 家芯片厂商量化格式统一、开箱即用。各平台的模型仓库、容器镜像与启动命令见仓库内的 docs/FlagOS-Multi-Chip-Support-and-Downloads.md。推荐直接按对应平台模型卡的说明用 FlagRelease 镜像方式拉取并启动容器免去手动装依赖。部署翻车自查清单现象可能原因对策启动即报架构或处理器未识别仓库自定义处理代码未加载确认命令行带上了--trust-remote-code加载权重阶段就爆显存233 GiB 权重分不到足够多的卡上调大张量并行度同时把上下文长度压低一档长输入直接报错或被截断请求长度超出实际可用上下文下调--max-model-len/--context-length或扩充卡数回答短平快、不展开思考推理强度档位给低了reasoning_effort提到high及以上再试喂图、喂视频没有任何效果多模态处理文件缺失或远程代码未开启核对目录内有processing_minimax.py等文件并确认远程代码开关已打开回顾最短路径与进阶方向最短路径一句话8 张 80GB 起步 → 完整下载模型目录 →--trust-remote-code TP8 起服务 → 采样沿用 temperature 1.0 / top_p 0.95。跑通之后进阶方向只有两条接上 DSpark 投机解码把 decode 吞吐再抬一截或换用 FlagOS 的 W8A8 版本把这套 100 万上下文的多模态服务迁到非 N 卡平台上。【免费下载链接】MiniMax-M3.1-FlashMiniMax-M3.1-Flash 是一款原生多模态混合专家MoE模型面向编程、智能体工作流、计算机使用和网络安全等场景。它支持文本、图像和视频输入上下文窗口最高可达 100 万 tokens。 在 MiniMax-M3 的基础上M3.1-Flash 通过全模型稀疏注意力、量化感知训练和 DSpark 投机解码进一步提升了任务表现与推理效率。项目地址: https://ai.gitcode.com/MiniMax-AI/MiniMax-M3.1-Flash创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考