MiniMax ปล่อยน้ำหนัก M3.1 Flash แล้ว — 428B (active 23B) แจกมาเป็น NVFP4 จาก quantization-aware training ไม่มี BF16, ไฟล์ 252GB ต้องใช้ B200 4 ใบหรือ H100 8 ใบ และ license เป็น MiniMax Community แบบเดียวกับ M3

เมื่อ 20 ต.ค. เรารายงานว่า MiniMax เปิดตัว M3.1 Flash แบบ API-only โดยบอกแค่ว่า “Model weights will be released later” และไม่เปิดเผยขนาดโมเดล เช้าวันนี้ 23 ต.ค. 2026 เวลา 03:37 UTC repo MiniMaxAI/MiniMax-M3.1-Flash บน Hugging Face ก็เปิดสาธารณะ ไม่ต้องขอสิทธิ์ (ไม่ gated) commit เดียวในประวัติคือ “Init” ณ เวลานั้น และ vLLM ขึ้นสูตรรันโมเดลนี้ในวันเดียวกัน

ข้อมูลที่ขาดไปเมื่อวันเปิดตัวตอนนี้มีครบแล้ว การ์ดโมเดลระบุขนาด ประมาณ 428B พารามิเตอร์ ใช้งานจริง 23B ต่อโทเคน รับอินพุตเป็นข้อความ ภาพ และวิดีโอ context สูงสุด 1M โทเคน ส่วนประเด็นสำคัญสำหรับคนที่จะเอาไปรันเองคือ MiniMax ไม่ได้ปล่อยน้ำหนักความละเอียดเต็ม ไฟล์ที่ได้เป็นแบบ quantize มาจากการเทรนเลย และใช้ license เดียวกับ M3 ที่ไม่ใช่ open source

ขนาดจริงอ่านจาก config ไม่ใช่จาก widget

หน้า Hugging Face แสดงจำนวนพารามิเตอร์ที่ 220B ซึ่งไม่ตรงกับ 428B ในการ์ด เมื่ออ่าน config.json ก็พบสาเหตุ quantization_config ระบุ moe_quant_algo: NVFP4 ในรูปแบบ nvfp4-pack-quantized คือเก็บ expert เป็นตัวเลข 4 บิตอัดสองค่าต่อหนึ่งไบต์ ส่วน attention เก็บเป็น MXFP8 widget ของ Hugging Face นับไบต์ที่อัดไว้เป็นพารามิเตอร์หนึ่งตัว จำนวนที่แสดงจึงหายไปเกือบครึ่ง

เมื่อคำนวณจาก config เองจะได้ตัวเลขใกล้ 428B โมเดลมี 60 ชั้น โดยชั้นที่ 4-60 เป็น MoE ชั้นละ 128 expert เลือกใช้ 4 ตัว + shared expert 1 ตัว (hidden 6144, expert intermediate 3072) ส่วนของ expert ทั้งหมดคิดเป็นราว 413B พารามิเตอร์ หรือประมาณ 206.6 พันล้านไบต์เมื่ออัดแบบ 4 บิต ซึ่งตรงกับจำนวน U8 ที่ Hugging Face รายงาน (206.56B) ไฟล์ทั้ง repo รวม draft head สำหรับ speculative decoding มีขนาดประมาณ 252GB

สิ่งที่เปลี่ยนจาก M3 ตามที่การ์ดระบุมีสามข้อ ข้อแรก ใช้ sparse attention ทุกชั้น โดยเปลี่ยนสามชั้นแรกที่เดิมเป็น full attention ข้อสอง เทรน expert และเส้นทาง attention แบบ quantization-aware ข้อสาม ใช้ DSpark speculative decoding แทน MTP แบบ EAGLE เดิม และแนบ draft head มาในโฟลเดอร์ dspark/

รันได้บนอะไร

สูตรของ vLLM (ต้องใช้ vLLM 0.33.0 ขึ้นไป และ --block-size 128) ระบุฮาร์ดแวร์ไว้สามแบบ

• NVIDIA Blackwell: GB200, GB300, B200 หรือ B300 จำนวน 4 ใบ (TP4) รัน expert แบบ NVFP4 ได้ตรง ๆ
• NVIDIA Hopper: H100 หรือ H200 เต็ม node 8 ใบ (TP8) เนื่องจาก Hopper ไม่มี FP4 tensor core จึงต้องรัน expert ผ่าน kernel Marlin และ ปิด DSpark บน Hopper
• AMD: MI355X 4 ใบ บน ROCm 7.2 ขึ้นไป

parser สำหรับ tool call และ reasoning ใช้ชื่อ minimax_m3 ทั้งคู่ และตั้งระดับการคิดได้ผ่าน reasoning_effort ใน chat template มีตั้งแต่ low ถึง max MiniMax แนะนำ SGLang และ TokenSpeed เพิ่มเติม ส่วน Transformers, KTransformers, Unsloth และ ATOM ยังอยู่ระหว่างทำ ไม่มี llama.cpp หรือ MLX ในรายการ ดังนั้นตอนนี้โมเดลนี้ยังรันบนเครื่องผู้ใช้ทั่วไปหรือ Mac ไม่ได้

License: MiniMax Community ตัวเดียวกับ M3

การ์ดระบุไว้แค่ license: other เราจึงอ่านไฟล์ LICENSE ใน repo โดยตรง ข้อความตรงกับ license ของ MiniMax-M3 ทุกข้อ ต่างกันแค่ชื่อรุ่น

• สิทธิ์พื้นฐานให้ใช้ “for non-commercial purposes”
• ถ้าใช้เชิงพาณิชย์ ต้องแสดงข้อความ “Built with MiniMax M3.1-Flash” ให้เห็นชัด และต้องส่งอีเมลแจ้ง api@minimax.io หนึ่งครั้ง ถ้ารายได้ของผลิตภัณฑ์เกิน 20 ล้านดอลลาร์ต่อปี ต้องได้รับอนุญาตเป็นลายลักษณ์อักษรก่อน
• นิยาม “Commercial Use” รวมถึงการนำโมเดลที่ fine-tune แล้วไปใช้เชิงพาณิชย์ และการให้บริการ API
• มีภาคผนวกห้ามใช้ รวมถึงห้ามใช้เพื่อวัตถุประสงค์ทางทหาร

benchmark: ตัวเลขชุดเดิมจากวันเปิดตัว

คะแนนในการ์ดเป็นชุดเดียวกับที่ประกาศเมื่อ 19 ต.ค. เช่น DeepSWE v1.1 73.7, OSWorld 2.0 61.7, CyberGym 82.2 และ BankerToolBench 76.2 ทั้งหมด MiniMax วัดเอง การ์ดเพิ่มหมายเหตุว่า “Results are for the official weights; third-party quantizations may differ” ในตารางของ MiniMax เอง DeepSeek V4.1 Flash-1017 ซึ่งเป็น open-weight เหมือนกันยังทำคะแนนได้สูงกว่าใน DeepSWE (77.0), Terminal Bench 4.0 (42.3 เทียบ 38.1) และ NL2Repo (68.2 เทียบ 61.2)

มุมมอง AI Curator

ข่าวนี้ปิดคำถามที่เราค้างไว้เมื่อ 20 ต.ค. ว่าคำว่า “open-weight” ในหน้า release notes ของ MiniMax เป็นจริงหรือไม่ คำตอบคือจริง และปล่อยภายใน 4 วัน เร็วกว่าที่หลายค่ายเคยสัญญาว่าจะปล่อย “ภายหลัง” แต่สิ่งที่ได้ไม่ได้เหมือนกับที่ M3 ให้ทุกอย่าง ไม่มีน้ำหนัก BF16 มีแค่ NVFP4 ที่ quantize มาตั้งแต่ตอนเทรน สำหรับการ inference ไม่เป็นปัญหา เพราะ QAT มักเสียคุณภาพน้อยกว่าการ quantize หลังเทรน แต่ทีมที่อยาก fine-tune ต่อจะทำได้ยากขึ้นมาก เพราะไม่มี master weights ความละเอียดเต็มให้เริ่มต้น เครื่องมือ fine-tune ส่วนใหญ่ยังไม่รองรับการเทรนต่อจาก NVFP4 โดยตรง

เรื่องฮาร์ดแวร์ “Flash” ไม่ได้แปลว่าเล็ก ไฟล์ 252GB ต้องใช้ B200 4 ใบหรือ H100 8 ใบ องค์กรไทยที่จะใช้จริงจึงต้องเช่า node GPU ระดับ data center ซึ่งในภูมิภาคนี้ยังหาได้ไม่ง่าย และราคา API ของ MiniMax เอง ($0.15/$0.60 ต่อ 1M โทเคน) ถูกจนการตั้งเครื่องเองแทบไม่คุ้ม ยกเว้นกรณีที่ข้อมูลออกนอกองค์กรไม่ได้ เช่นงานที่อยู่ภายใต้ PDPA หรือข้อกำหนดของ ธปท. ซึ่งเป็นกลุ่มที่ open weights มีประโยชน์จริง

license ก็ต้องอ่านให้ละเอียด ใช้ฟรีได้ แต่ต้องแจ้ง MiniMax ก่อนใช้เชิงพาณิชย์ ต้องติดข้อความ “Built with” ห้ามใช้ทางทหาร และนับรวมโมเดลที่ fine-tune แล้วด้วย license แบบนี้ไม่ใช่ Apache หรือ MIT ฝ่ายกฎหมายของบริษัทควรตรวจก่อนนำโมเดลนี้ไปใส่ในผลิตภัณฑ์ โดยเฉพาะบริษัทที่ขายให้หน่วยงานความมั่นคง ส่วน M3.1 Pro ที่ MiniMax บอกว่า “จะตามมา” ยังไม่มีวี่แวว เราจะรายงานเมื่อปล่อยจริง

แหล่งข่าว

• Hugging Face — MiniMaxAI/MiniMax-M3.1-Flash (การ์ดโมเดล, config.json, LICENSE; เปิดสาธารณะ 23 ต.ค. 2026)
• vLLM Recipes — MiniMax-M3.1-Flash (ฮาร์ดแวร์และคำสั่ง serve, อัปเดต 23 ต.ค. 2026)
• Hugging Face — MiniMaxAI/MiniMax-M3 LICENSE (เทียบข้อความ license)
• AI Curator — ข่าวเปิดตัว M3.1 Flash แบบ API-only (20 ต.ค. 2026)