Компания MiniMax выложила веса M3.1 Flash — мультимодальной MoE-модели на 428B параметров, из которых 23B активны на токен, с поддержкой текста, картинок, видео и контекстом до 1M токенов. Модель спроектирована под код, агентов, computer use и кибербезопасность, используя архитектурные изменения вроде sparse attention во всех слоях, quantization-aware training и голову DSpark для спекулятивного декодинга относительно прошлой версии M3.
По внутренней таблице MiniMax, модель набирает 73.7% на DeepSWE v1.1 против 74.0% у конкурента, а на OSWorld 2.0 показывает 61.7% против 70.6% у конкурента, хотя в Terminal Bench 4.0 результат заметно ниже — 38.1% против 51.8%. Запуск инфраструктуры возможен локально через SGLang или vLLM по готовым рецептам, что напрямую бьет по позициям облачных провайдеров, зарабатывающих на инференсе. Когда разработчики получают возможность разворачивать модели такого уровня на собственных мощностях, экономика инференса кардинально меняется: уход от почасовой или токенной тарификации закрытых API позволяет существенно снизить операционные косты на длинных контекстах и автономных агентах, перераспределяя бюджеты с аренды облачных мощностей на внутреннюю инфраструктуру.
Главным барьером для корпоративных внедрений остается собственная лицензия MiniMax Community. Она исключает свободное использование по стандартам Apache или MIT и требует серьезной правовой экспертизы перед запуском коммерческих пайплайнов, создавая новые риски для разработчиков.
Анализ редакции
Как развивался сюжет
1 июня 2026 года MiniMax представила мультимодальную M3 с окном в 1 млн токенов, набравшую 59% на SWE-bench Pro и обошедшую GPT-4o, а 20 августа открыла линейки Ling-3.0-flash и Ling-3.0-tiny с весами и чекпоинтами на внешних платформах. Теперь разработчики выложили открытую MoE-модель M3.1 Flash на 428B параметров с 23B активных на токен, доработав архитектуру sparse attention во всех слоях, схемой quantization-aware training и головой DSpark для спекулятивного декодинга. MiniMax методично переносит фокус с базовой мультимодальности на практические агентские сценарии и оптимизацию вычислений в открытом доступе.
Материалы: наши статьи от 01.06.2026, 20.08.2026