> ## Documentation Index
> Fetch the complete documentation index at: https://platform.minimaxi.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# 自托管部署 MiniMax-M3.1-Flash

> 运行带 DSpark 投机解码的 MiniMax-M3.1-Flash SGLang 实验性基线，验证服务，并规划安全的自托管部署。

MiniMax-M3.1-Flash 是面向 Coding、Agent 工作流、Computer Use 和网络安全任务的原生多模态混合专家模型，总参数约 428B，每个 token 激活参数约 23B，模型上下文上限为 1M token。它沿用 [MiniMax-M3](https://platform.minimaxi.com/docs/guides/local-deploy-m3.md) 的 MoE 架构，并有三处变化：所有层均使用稀疏注意力、采用量化感知训练，以及随附 DSpark 投机解码草稿模型。本页介绍使用 SGLang 进行的**服务器级自托管部署**，不属于消费级设备本地推理。

> [!WARNING]
>
> **部署状态：Experimental。** 截至 2026 年 11 月 9 日，SGLang Cookbook 通过开发镜像 `lmsysorg/sglang:dev-minimax-m31-flash` 提供 MiniMax-M3.1-Flash 支持。SGLang `v0.5.23` 已包含该模型的支持 PR，但 Cookbook 尚未发布基于带版本号正式镜像的配方。请固定下方模型 revision 和镜像 digest，并使用自己的负载完成验证；不要将本配方视为生产 SLA。

## 状态与参考基线

| 项目 | 参考值 |
| :- | :- |
| 部署状态 | Experimental |
| 文档最后核验日期 | 2026 年 11 月 9 日 |
| 参考硬件 | 4 × NVIDIA B300、单节点、TP 4、SGLang Balanced 配方 |
| 权重 | `MiniMaxAI/MiniMax-M3.1-Flash`：MXFP8 稠密层、NVFP4 路由专家，DSpark 草稿模型位于 `dspark/` |
| 模型 revision | `ce7f4df87d2e05262f5775f373dac4772f134041`；权重、配置和 Tokenizer 文件自首次上传 `54e4e69dfc45` 以来未变化 |
| 权重仓库大小 | 固定 revision 下约 252 GB，包含 2.3 GB 的 DSpark 草稿模型 |
| SGLang 镜像 | `lmsysorg/sglang@sha256:614b1509bcb729c653528d448bff9850f8977fcad9d12ba56bd6dbe3d7985e87`（`dev-minimax-m31-flash`，SGLang commit `e7399a46f4`，CUDA 13.4.1，`amd64` 和 `arm64`） |
| 运行环境 | Linux、Docker 和 NVIDIA Container Toolkit；Python 与 CUDA 由固定镜像提供 |
| 验证来源 | [SGLang MiniMax-M3.1 Cookbook](https://docs.sglang.io/cookbook/autoregressive/MiniMax/MiniMax-M3.1) |

官方来源没有公布本配方的最低主机内存、峰值显存、最低 NVIDIA 驱动版本或完整生产磁盘余量。部署前，请确认宿主机驱动支持固定镜像内的 CUDA 13.4 Runtime，并准备大于权重仓库大小的可用磁盘。

> [!WARNING]
>
> 总权重仍需完整加载或分片。“23B 激活参数”不代表部署只需为 23B 权重准备显存。Hugging Face 文件摘要显示约 220B 参数，是因为它把打包 FP4 专家权重的每个字节计为一个参数，而每个字节实际存储两个值。

## 硬件配置

下表报告 SGLang 当前支持矩阵。“已验证”表示经过 SGLang Cookbook 验证，不代表本文档完成了 MiniMax 独立复测。

| 硬件 | 权重 | GPU / 并行方式 | SGLang 配方 | SGLang 状态 | 权重存储 | 峰值显存 | 主机内存 |
| :- | :- | :- | :- | :- | :- | :- | :- |
| NVIDIA B300 | NVFP4 | 4 / TP 4 | Balanced（参考基线）、Low-Latency | 已验证 | 约 252 GB | 未公布 | 未公布 |
| NVIDIA B300 | NVFP4 | 8 / TP 8、Attention DP 2、EP 8 | High-Throughput | 已验证 | 约 252 GB | 未公布 | 未公布 |
| NVIDIA GB300 | NVFP4 | 4 / TP 4；High-Throughput 另加 EP 4 | Balanced、Low-Latency、High-Throughput | 已验证 | 约 252 GB | 未公布 | 未公布 |
| NVIDIA B200 | NVFP4 | 4 / TP 4；High-Throughput 使用 8 / TP 8、Attention DP 2、EP 8 | Balanced、Low-Latency、High-Throughput | 最终验证进行中 | 约 252 GB | 未公布 | 未公布 |
| NVIDIA GB200 | NVFP4 | 4 / TP 4；High-Throughput 另加 EP 4 | Balanced、Low-Latency、High-Throughput | 最终验证进行中 | 约 252 GB | 未公布 | 未公布 |
| NVIDIA H200 | NVFP4，专家通过 Marlin W4A16 运行 | 8 / TP 8；High-Throughput 另加 Attention DP 2 | Balanced、High-Throughput；不使用投机解码；上下文上限为 140,000 token | 已验证 | 约 252 GB | 未公布 | 未公布 |
| AMD MI355X | NVFP4，加载时将专家重新量化为 MXFP4 | 4 / TP 4 | Low-Latency、High-Throughput | 已验证 | 约 252 GB | 未公布 | High-Throughput：每个 rank 180 GB HiCache 主机内存池 |
| AMD MI355X | [Quark MXFP4](https://huggingface.co/amd/MiniMax-M3.1-Flash-Quark-MXFP4) | 4 / TP 4 | Low-Latency | 已验证 | 约 240 GB | 未公布 | 未公布 |
| AMD MI350X | NVFP4 | 4 / TP 4 | Low-Latency、High-Throughput | 已验证 | 约 252 GB | 未公布 | High-Throughput：默认 HiCache 比例下每个 TP 4 服务约 1.4 TB |
| AMD MI350X | Quark MXFP4 | 4 / TP 4 | Low-Latency | 与 MI355X 命令相同；未标记为已验证 | 约 240 GB | 未公布 | 未公布 |

SGLang 列出的单卡显存为：B300 288 GB、B200 192 GB、GB200 186 GB。在 4 × B300 上使用 `--mem-fraction-static 0.8` 时，KV 池约可容纳 10.4M token；Low-Latency 配方的 MonoKernel 会单独保留一份路由专家副本（每个 rank 54.1 GiB），因此 KV 池降至约 6.5M token。在 ROCm 上，NVFP4 Checkpoint 只能以 TP 4 或更低并行度运行，服务会拒绝更大的 TP；在 8 卡 AMD 节点上，请在不同端口启动两个 TP 4 服务，并在前面部署 Router。

如需 GB 系列、B200、H200 或 AMD 的准确命令，请使用 [SGLang 配置生成器](https://docs.sglang.io/cookbook/autoregressive/MiniMax/MiniMax-M3.1#hw=b300\&variant=flash\&quant=nvfp4\&strategy=balanced\&nodes=single)。未经重新验证，不要直接把这些命令参数替换到本页 B300 基线中。

## Quickstart：4 × B300

开始前，请确认宿主机有足够空间存放约 252 GB 权重、容器镜像和缓存。下方命令使用 `0` 到 `3` 号 GPU；如果这些 GPU 已被占用，请修改设备列表。

### 1. 拉取固定运行时

```bash theme={null}
docker pull lmsysorg/sglang@sha256:614b1509bcb729c653528d448bff9850f8977fcad9d12ba56bd6dbe3d7985e87
```

### 2. 验证 GPU 访问

输出必须列出 4 张 B300 GPU：

```bash theme={null}
docker run --rm --gpus '"device=0,1,2,3"' \
  lmsysorg/sglang@sha256:614b1509bcb729c653528d448bff9850f8977fcad9d12ba56bd6dbe3d7985e87 \
  nvidia-smi
```

### 3. 启动服务

```bash theme={null}
docker run --rm --name minimax-m3-1-flash \
  --gpus '"device=0,1,2,3"' \
  --shm-size 32g \
  --ipc=host \
  -p 127.0.0.1:30000:30000 \
  -e FMHA_SM100_ALLOW_JIT=1 \
  -v ~/.cache/huggingface:/root/.cache/huggingface \
  -v ~/.cache/minfer:/root/.cache/minfer \
  lmsysorg/sglang@sha256:614b1509bcb729c653528d448bff9850f8977fcad9d12ba56bd6dbe3d7985e87 \
  sglang serve \
  --trust-remote-code \
  --model-path MiniMaxAI/MiniMax-M3.1-Flash \
  --revision ce7f4df87d2e05262f5775f373dac4772f134041 \
  --reasoning-parser minimax-m3 \
  --tool-call-parser minimax-m3 \
  --tp 4 \
  --moe-runner-backend flashinfer_trtllm_routed \
  --speculative-algorithm DSPARK \
  --speculative-use-block-verification \
  --cuda-graph-backend-prefill breakable \
  --chunked-prefill-size 32768 \
  --max-running-requests 128 \
  --cuda-graph-max-bs-decode 128 \
  --mem-fraction-static 0.8 \
  --tokenizer-worker-num 8 \
  --host 0.0.0.0 \
  --port 30000
```

进程在**容器内部**监听所有接口，但 `-p 127.0.0.1:30000:30000` 只将端口发布到宿主机回环地址。

首次启动需要下载约 252 GB 权重，并编译 MSA 稀疏注意力 Kernel 和 FlashInfer Kernel，可能耗时较长。`FMHA_SM100_ALLOW_JIT=1` 允许编译 MSA Kernel；编译结果缓存在 `/root/.cache/minfer`，命令将其映射到宿主机，后续启动可直接复用。

`--speculative-algorithm DSPARK` 会从 Checkpoint 的 `dspark/` 子目录按相同 revision 加载草稿模型，无需指定草稿模型路径。日志中会出现 `DSpark draft found in the target checkpoint's dspark/ subfolder`。

### 4. 检查就绪状态

服务日志显示已经就绪后，在另一个终端运行：

```bash theme={null}
curl --fail --silent --show-error http://127.0.0.1:30000/health
```

检查成功时，命令以状态码 `0` 退出。如果失败，请保持服务进程运行并检查日志，再发送推理请求。

然后确认 NVFP4 KV Cache 解码路径使用了快速 Kernel：

```bash theme={null}
docker logs minimax-m3-1-flash 2>&1 | grep 'nvfp4_to_fp8 backend='
```

预期输出包含 `nvfp4_to_fp8 backend=qmul4`。如果是其他后端，说明服务找到的 CUDA Toolkit 低于 13.4，并在不报错的情况下回退到了较慢路径。

### 5. 验证文本生成

```bash theme={null}
curl http://127.0.0.1:30000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMaxAI/MiniMax-M3.1-Flash",
    "messages": [
      {"role": "user", "content": "Explain sparse attention in one sentence."}
    ],
    "temperature": 1.0,
    "top_p": 0.95,
    "max_tokens": 4096
  }'
```

成功响应包含非空的 `choices[0].message.content`。模型产生推理轨迹时，SGLang 会将其单独放在 `choices[0].message.reasoning_content`。

### 6. 验证思考控制

```bash theme={null}
curl http://127.0.0.1:30000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMaxAI/MiniMax-M3.1-Flash",
    "messages": [
      {"role": "user", "content": "How many prime numbers are there below 50?"}
    ],
    "thinking": {"type": "disabled"},
    "temperature": 1.0,
    "top_p": 0.95,
    "max_tokens": 4096
  }'
```

响应包含非空的 `choices[0].message.content`，且 `choices[0].message.reasoning_content` 为空或 null。

### 7. 验证图片输入

```bash theme={null}
curl http://127.0.0.1:30000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMaxAI/MiniMax-M3.1-Flash",
    "messages": [{
      "role": "user",
      "content": [
        {"type": "text", "text": "Describe this image in one sentence."},
        {"type": "image_url", "image_url": {"url": "https://raw.githubusercontent.com/sgl-project/sglang/2511743bd784e69e5a81ca3d926a000711dae4ab/examples/assets/example_image.png"}}
      ]
    }],
    "temperature": 1.0,
    "top_p": 0.95,
    "max_tokens": 4096
  }'
```

示例图片由 SGLang 项目维护。生产环境只接受可信或已加入白名单的远程 URL，或者在网关校验文件后发送 Base64 data URI。

## 能力边界

| 能力 | 模型原生能力 | 本页 B300 SGLang 配方 | 说明 |
| :- | :- | :- | :- |
| 文本输入与输出 | 支持 | SGLang 已验证 | OpenAI 兼容 Chat Completions |
| 推理 | 支持 | SGLang Cookbook 提供示例及输出 | 需要 `--reasoning-parser minimax-m3`；流式响应在 `delta.reasoning_content` 中返回推理轨迹 |
| 思考模式与推理强度 | `thinking.type`：`enabled`、`disabled` 或 `adaptive`；`reasoning_effort`：`low`、`medium`、`high`、`xhigh` 或 `max` | SGLang Cookbook 提供示例及输出 | 两者均作为请求顶层字段发送。省略 `thinking` 时为 `adaptive`；`reasoning_effort` 为 `none` 或 `minimal` 时关闭思考。MiniMax API 对该模型始终开启思考；关闭思考仅适用于自托管部署 |
| 工具调用 | 支持 | SGLang Cookbook 提供示例及输出 | 需要 `--tool-call-parser minimax-m3` |
| 图片输入 | 支持 | SGLang Cookbook 提供示例及输出 | OpenAI `image_url` 内容类型 |
| 视频输入 | 模型支持 | 本 SGLang 配方未验证 | Cookbook 未提供视频示例；未自行验证前，不要宣称本配方支持视频服务 |
| DSpark 投机解码 | 草稿模型随附于 `dspark/` | 本配方已启用 | SGLang 在 Blackwell 和 AMD MI350X / MI355X 配方中支持；H200 配方不使用投机解码 |
| 上下文长度 | 最高 1M token | 本配方未限制上下文长度；SGLang 公布了 4 × B300 上 1K、256K 和 1M token 的 Low-Latency 解码测量结果 | H200 配方将上下文限制为 140,000 token。设置生产上限前，请使用自身的提示词长度完成验证 |

模型卡推荐使用 `temperature=1.0` 和 `top_p=0.95`。

## 已发布性能数据

SGLang 报告了以下测量结果。这些数据是上游参考结果，不构成 MiniMax 性能保证。

| 硬件 | 配方 | 负载 | 结果 |
| :- | :- | :- | :- |
| 4 × B300 | Low-Latency（MSA-V1 MonoKernel），DSpark 接受长度固定为 5 | Batch Size 1 解码，上下文分别为 1K / 256K / 1M | 1,028 / 919 / 723 tokens/s；标准路径为 479 / 465 / 408 tokens/s |
| 4 × MI355X | High-Throughput，启用 HiCache | 64 个并发长多轮会话 | 单 GPU 90,168 tokens/s；P90 TTFT 1.21 s |

MonoKernel 只服务 Batch Size 为 1 的步骤，更大的 Batch 走标准路径，因此并发下的吞吐低于 Balanced 配方。SGLang 尚未公布 Balanced 参考配方的延迟或吞吐、峰值显存、主机内存和冷启动时间。针对 Agent 长上下文部署，Cookbook 提供了完整启动命令，并链接到对应的 [SemiAnalysis InferenceX](https://inferencex.semianalysis.com/) 测试记录。容量规划前，请使用自身的提示词长度、输出长度、多模态请求比例和并发进行压测。

## 权重、缓存与离线部署

运行时默认将 Hugging Face 文件下载到容器内的 `/root/.cache/huggingface`；Quickstart 命令将其映射到宿主机 `~/.cache/huggingface`。

如需准备离线副本，请在联网机器上安装 [Hugging Face CLI](https://huggingface.co/docs/huggingface_hub/guides/cli)，并下载固定 revision：

```bash theme={null}
hf download MiniMaxAI/MiniMax-M3.1-Flash \
  --revision ce7f4df87d2e05262f5775f373dac4772f134041 \
  --local-dir /data/models/MiniMax-M3.1-Flash
```

将该目录复制到部署主机，然后在不访问 Hub 的情况下启动。SGLang 会在本地 `dspark/` 子目录中找到 DSpark 草稿模型：

```bash theme={null}
docker run --rm --name minimax-m3-1-flash \
  --gpus '"device=0,1,2,3"' \
  --shm-size 32g \
  --ipc=host \
  -p 127.0.0.1:30000:30000 \
  -e HF_HUB_OFFLINE=1 \
  -e FMHA_SM100_ALLOW_JIT=1 \
  -v /data/models/MiniMax-M3.1-Flash:/models/MiniMax-M3.1-Flash:ro \
  -v ~/.cache/minfer:/root/.cache/minfer \
  lmsysorg/sglang@sha256:614b1509bcb729c653528d448bff9850f8977fcad9d12ba56bd6dbe3d7985e87 \
  sglang serve \
  --trust-remote-code \
  --model-path /models/MiniMax-M3.1-Flash \
  --reasoning-parser minimax-m3 \
  --tool-call-parser minimax-m3 \
  --tp 4 \
  --moe-runner-backend flashinfer_trtllm_routed \
  --speculative-algorithm DSPARK \
  --speculative-use-block-verification \
  --cuda-graph-backend-prefill breakable \
  --chunked-prefill-size 32768 \
  --max-running-requests 128 \
  --cuda-graph-max-bs-decode 128 \
  --mem-fraction-static 0.8 \
  --tokenizer-worker-num 8 \
  --host 0.0.0.0 \
  --port 30000
```

ModelScope 已提供官方镜像：[`MiniMax/MiniMax-M3.1-Flash`](https://modelscope.cn/models/MiniMax/MiniMax-M3.1-Flash)。ModelScope 页面没有使用本基线所采用的 Hugging Face commit 标识快照，因此，在固定 revision 的部署中替换镜像前，请重新验证文件。

下载中断时，使用相同 revision 和目录重新运行 `hf download`，客户端会从缓存继续。如果加载时报权重分片缺失或损坏，请先确认可用磁盘空间并重新下载对应 revision，再调整运行参数。

## 生产部署与安全

开发环境请保留回环地址绑定。将服务暴露给其他主机前：

* 设置不可预测的 SGLang `--api-key`，并通过 `Authorization: Bearer <key>` 发送。
* 在反向代理或可信入口终止 TLS，使用防火墙或安全组限制来源网络，并增加请求速率和并发限制。
* 除非数据策略明确允许，否则不要记录 API Key、完整提示词、Base64 媒体或模型输出。
* 在网关拒绝任意远程媒体 URL。应用域名白名单，阻止私有地址和链路本地地址，限制重定向次数、下载时间、字节大小、图片像素和视频时长，并在转发请求前校验媒体类型。
* 监控 GPU 内存、队列深度、请求延迟、错误率、进程健康和磁盘使用量。仅得到成功的 `/health` 响应不能代表已达到生产就绪状态。

SGLang 支持 `--api-key`，但当前 MiniMax-M3.1 Cookbook 未提供完整的远程媒体安全策略。请在网关和网络层实施这些控制。

针对多轮 Agent 流量，Cookbook 介绍了分层 KV Cache（`--enable-hierarchical-cache --hicache-size <每个 rank 的 GB 数>`），可将被逐出的前缀保留在主机内存中。多个副本共同服务一个入口时，请在前面部署 SGLang Router 并使用 `--policy cache_aware`，让同一会话的后续轮次到达持有其前缀的副本。启用 HiCache 前请先规划主机内存：`--hicache-size` 按每个 rank 计算。

## 故障排查

| 症状 | 最可能原因 | 最短修复步骤 |
| :- | :- | :- |
| 启动失败并报 `JIT compilation is disabled and AOT kernel ... was not found` | 未设置 `FMHA_SM100_ALLOW_JIT`，且没有已缓存的 MSA Kernel | 添加 `-e FMHA_SM100_ALLOW_JIT=1`。该变量只检查是否存在，因此设为 `=0` 并不会关闭 JIT |
| 日志中没有 `nvfp4_to_fp8 backend=qmul4`，且解码速度低于预期 | 服务找到的 CUDA Toolkit 低于 13.4 | 使用固定镜像，或将 `CUDA_HOME` 指向 CUDA 13.4 Toolkit |
| 每次启动都要花很长时间编译 Kernel | 容器之间没有持久化 MSA Kernel 缓存 | 保留 `~/.cache/minfer:/root/.cache/minfer` 挂载 |
| 启动、CUDA Graph 捕获或预填充阶段出现 `CUDA out of memory` | 激活值余量不足或预填充分块过大 | 将 `--mem-fraction-static` 降至 `0.8` 以下，再调小 `--chunked-prefill-size`；这会降低 KV 容量或预填充速度，需要重新压测。B200 请使用配置生成器中的 B200 配方，不要沿用 B300 参数 |
| 启动失败并报 `M3.1 NVFP4 DSPARK requires Blackwell` | 在非 Blackwell 的 NVIDIA GPU（如 H200）上启用了 DSpark | 使用配置生成器中的 H200 配方，该配方不使用投机解码 |
| 权重加载失败或缺少分片 | 下载不完整、磁盘不足或 revision 不一致 | 确认模型路径、可用磁盘和 revision；使用固定 revision 重新运行 `hf download` |
| NCCL 初始化卡住或超时 | 未暴露全部 GPU、共享内存不足，或拓扑/驱动异常 | 使用 `nvidia-smi` 确认 4 张 GPU，保留 `--ipc=host` 和 `--shm-size 32g`，再启用 `NCCL_DEBUG=INFO` 并检查首个失败 rank |
| `content` 中出现原始 `<mm:think>` 或 MiniMax 工具调用 token | 未启用对应 Parser，或运行时不同于固定镜像 | 恢复 `--reasoning-parser minimax-m3` 和 `--tool-call-parser minimax-m3`，然后使用固定 digest 重启 |
| 请求因 `thinking` 返回 HTTP 400 | `thinking.type` 不是 `enabled`、`disabled` 或 `adaptive` | 改为这三个值之一，或省略 `thinking` |
| `reasoning_effort` 不生效 | 推理强度放在了 `chat_template_kwargs` 中，SGLang 对该模型会丢弃此值；或已关闭思考 | 将 `reasoning_effort` 作为顶层字段发送，并保持思考为开启或自适应 |
| 进程启动后 `/health` 仍失败 | 模型仍在下载/加载或编译 Kernel、Worker 已退出或端口映射错误 | 检查容器日志、宿主机磁盘和 GPU 状态，并确认发布了 `127.0.0.1:30000:30000` |
| 远程图片请求失败 | 服务端无法访问 URL，或网关阻止该 URL | 改用白名单 URL 或经过校验的 Base64 data URI；不要全局关闭网络防护 |

## 其他推理框架

模型卡还列出了以下部署路径。它们不在本页的已验证范围内，请完整遵循对应的上游配方。

| 框架 | 上游配方 | 配方声明的范围 |
| :- | :- | :- |
| vLLM | [vLLM recipe](https://recipes.vllm.ai/MiniMaxAI/MiniMax-M3.1-Flash) | vLLM `0.33.0` 或更高版本。Blackwell 或 MI355X 上使用 TP 4；H100 / H200 上使用 TP 8、FP8 KV Cache 和 Marlin MoE Kernel，Hopper 上不使用 DSpark。必须设置 `--block-size 128`。推理和工具调用 Parser 名为 `minimax_m3`，推理强度通过 `chat_template_kwargs` 设置 |
| TokenSpeed | [TokenSpeed recipe](https://lightseek.org/tokenspeed/recipes/models#minimax-m3-1) | 自动选择 MXFP8 投影层与 NVFP4 专家的量化方式，该方式需要 Blackwell。示例使用 TP 4，并将 DSpark 草稿模型路径设为 Checkpoint 的 `dspark/` 子目录 |
| FlagOS | [多芯片支持与下载](https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash/blob/main/docs/FlagOS-Multi-Chip-Support-and-Downloads.md) | 由 QAT NVFP4 权重重新量化得到的 W8A8 版本，覆盖九家厂商的芯片：平头哥、NVIDIA、沐曦、海光、华为昇腾、摩尔线程、天数智芯、昆仑芯和清微智能。硬件要求见各平台的模型卡 |

## License 与使用限制

权重按 [MiniMax Community License](https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash/blob/main/LICENSE) 发布，授权范围为非商业用途。商业使用需显著展示 “Built with MiniMax M3.1-Flash”；相关产品和服务年收入超过 2,000 万美元时，需事先获得 MiniMax 书面授权，否则只需向 MiniMax 发送一次性通知。License 还列出了禁止用途，包括任何军事用途。生产或商用前，请阅读完整 License 并完成适用流程；本页不构成法律建议。

## 相关链接

> [card] [SGLang MiniMax-M3.1 Cookbook](https://docs.sglang.io/cookbook/autoregressive/MiniMax/MiniMax-M3.1)
>
> 查看上游硬件矩阵、配置生成器、Playground、PD 分离和 Agent 长上下文启动命令。

> [card] [MiniMax-M3.1-Flash 模型卡](https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash)
>
> 查看官方权重、模型能力、推理参数和 License。

> [card] [MiniMax Sparse Attention](https://github.com/MiniMax-AI/MSA)
>
> 查看 MSA Kernel 源码和 Blackwell 要求。

> [card] [自托管部署 MiniMax-M3](https://platform.minimaxi.com/docs/guides/local-deploy-m3.md)
>
> 对比 MiniMax-M3 的部署基线。