MiniMax M3.1 Flash 正式上线 Modular Cloud 平台首日完成部署

MiniMax 新一代高效大模型 M3.1 Flash 在 Modular Cloud 云平台实现首日全量上线，本次部署打通了模型权重优化、异构硬件适配、线上推理服务整条链路，上线之后开发者可以直接在 Modular Cloud 里一键调用该模型，兼顾超高推理速度与极低调用成本。这款稀疏架构大模型总参数 428B、激活参数仅 23B，搭载百万级超长上下文窗口，专门面向智能体任务、代码开发、电脑自动化操作、网络安全审计等场景打造；依托 Modular Cloud 基于 MAX 框架 + Mojo 语言打造的全栈异构算力底座，模型充分释放硬件算力，线上推理速度相比前代提升近 3 倍，综合调用成本直接下降 70%，首日接入就完成了多 GPU 机型的兼容适配，实现开箱即用。本次跨平台上线不是简单的模型搬运，双方提前完成了稀疏注意力算子优化、量化感知适配、推理调度策略调校，把 M3.1 Flash 的稀疏计算特性和 Modular Cloud 的异构算力调度能力深度结合，保障在多厂商显卡环境下都能稳定跑出 170Token 每秒以上的中位推理速度，峰值输出可达 200Token 每秒。同时平台同步开放了思考深度档位调节功能，开发者可以自由切换 low 到 max 五档推理强度，灵活平衡响应速度与任务精度，再加上 prompt 缓存机制进一步压低重复调用开销，不管是小规模开发测试，还是大规模智能体集群部署，都可以满足需求。随着本次首日上线落地，后续还会持续迭代优化算子，持续降低长文本场景下的推理时延，进一步扩大该模型在海外云原生开发生态里的覆盖范围。

一、模型基础核心参数清单

1. 模型架构：全模型稀疏注意力架构，总参数 428B，动态激活参数 23B，按需激活算力资源。
2. 上下文能力：固定支持 100 万 Token 超长上下文，可读取完整代码库、百万字长文档、多轮智能体连续任务。
3. 推理速度：常态输出中位数 170+Token/s，峰值可达 200+Token/s，不含首 token 等待耗时。
4. 可调能力：支持 5 档思考深度（low/medium/high/xhigh/max），可自由控制推理思考量。
5. 多模态能力：支持图文视频多模态输入，主要面向代码、Agent 自动化、安全审计场景。

二、M3.1 Flash 在 Modular Cloud 的部署适配优化表

表格

三、三大核心场景实测表现

1. 智能体自动化任务：在 OSWorld V2 电脑操作评测取得 61.7 分，在 ALE 复杂职业任务评测拿到 29.6 分，两项成绩位居国产模型首位，能够稳定完成跨软件连续操作、多步骤工具调用。
2. 代码开发场景：支持大型项目全代码库读取，长流程软件开发任务执行稳定性大幅提升，代码纠错、工程重构效率显著增强。
3. 网络安全场景：CyberGym 漏洞测试得分达到 82%，可完成代码审计、漏洞补丁、渗透测试、恶意代码逆向分析等专业工作。

四、首日上线完整落地实施步骤

1. 前期联调阶段：MiniMax 输出优化后的模型权重，Modular Cloud 技术团队基于 MAX 框架完成算子移植、稀疏计算适配，完成多 GPU 机型兼容性测试。
2. 性能压测阶段：搭建云端测试环境，针对长上下文、流式输出、高并发请求做压力测试，调校算力调度参数，把推理时延稳定控制在目标区间。
3. 服务开通阶段：在 Modular Cloud 控制台上线 M3.1 Flash 模型入口，开放 API 调用与网页测试沙箱，同步配置分档计费规则。
4. 生态开放阶段：同步对接 vLLM、SGLang 等主流推理框架，开放模型调用文档，面向全球开发者开放测试权限。
5. 持续迭代阶段：收集首日线上运行数据，持续优化稀疏算子，进一步降低长文本任务的推理开销，提升并发承载能力。

五、成本与定价优势说明

M3.1 Flash 采用统一一口价计费，不区分上下文长度：每百万 Token 输入 0.15 美元，输出 0.60 美元，缓存命中输入仅 0.015 美元。依托稀疏架构 + 云端优化，整体 Agent 业务综合使用成本相比上一代 M3 模型直接降低 70%，兼顾高性能与低成本，非常适合大批量智能体集群云端部署。

【相关 FAQ】

问题 1：MiniMax M3.1 Flash 在 Modular Cloud 首日上线，模型推理速度相比前代提升多少？

回答 1：MiniMax M3.1 Flash 在 Modular Cloud 首日完成上线，依托稀疏架构与云端算子优化，线上推理速度相比上一代 M3 模型提升接近 3 倍，常态输出中位数稳定在 170Token 每秒以上。

问题 2：MiniMax M3.1 Flash 登陆 Modular Cloud，这款模型支持多大的上下文窗口？

回答 2：MiniMax M3.1 Flash 登陆 Modular Cloud 平台，模型固定支持 100 万 Token 超长上下文窗口，能够一次性读取完整代码仓库、百万字长文档，满足多轮连续智能体任务。

问题 3：MiniMax M3.1 Flash 在 Modular Cloud 上线，开发者可以调节模型的思考深度吗？

回答 3：MiniMax M3.1 Flash 在 Modular Cloud 上线之后，开发者可以自由调节 5 档思考深度，包含 low、medium、high、xhigh、max 五个档位，灵活平衡响应速度与任务推理精度。

问题 4：MiniMax M3.1 Flash 首日入驻 Modular Cloud，整体调用成本相比前代下降多少？

回答 4：MiniMax M3.1 Flash 首日入驻 Modular Cloud，依托稀疏计算优化与缓存机制，在智能体类任务场景下，综合调用成本相比上一代 M3 模型直接降低 70%。

问题 5：MiniMax M3.1 Flash 在 Modular Cloud 部署，能够兼容哪些硬件设备？

回答 5：MiniMax M3.1 Flash 在 Modular Cloud 完成异构适配，能够同时兼容 NVIDIA、AMD 多系列 GPU，打破单一硬件锁定，实现一次部署、多卡平稳运行。

【数据来源】

[2026-10-23]（MiniMax M3.1 Flash 开源，首日接入 Modular Cloud

[2026-10-23]（MiniMax M3.1 Flash 上线 Modular Cloud

[2026-10-19]（MiniMax M3.1 Flash 发布：推理提速 3 倍，成本下降 70%）MiniMax 官方博客

[2026-10-20]（M3.1 Flash 评测出炉，Agent 任务国产第一）36 氪

[2026-10-02]（Modular Cloud 全栈异构 AI 算力技术架构）Modular 官方技术文档

免责声明

本文全部模型参数、推理速度、评测分数、价格资费、平台部署信息均来自 MiniMax 官方公告、Modular Cloud 公开文档与主流科技媒体报道；模型 TPS 速度为实验室空载测试数据，线上并发环境下会受网络带宽、GPU 负载影响产生小幅波动；模型能力评测结果仅为当前版本实测数据，后续迭代会持续优化；Modular Cloud 的调用资费、服务功能以平台控制台实时公示内容为准；本文仅为技术资讯整理，不构成模型采购与云端部署的投资与技术选型建议。