MiniMax M3.1 Flash开源
相关推荐
MiniMax M3.1 Flash上线，性能全面加强，速度提升3倍，价格降低70%
火星财经消息,MiniMax正式发布新一代Flash模型M3.1 Flash。此前以匿名身份处理了超过 200T Token 的 Space Bunny 模型，正是 MiniMax M3.1 Flash 的早期版本。作为新一代 Flash 模型，M3.1 Flash 在 Agentic 任务、编程、Computer Use 及网络安全能力等方面实现了代际的提升，同时线上推理速度提升了近 3 倍，使用成本降低了 70%。据MiniMax预告，追求更高智能上限的Pro版本将于不久后推出。(财联社)
MiniMax 推出新一代极速文本模型 M3.1-Flash-Preview
PANews 9月27日消息，MiniMax 公布其最新文本模型 M3.1-Flash-Preview，已在 MiniMax Code 正式上线。该模型定位为日常开发场景，官方称其在代码开发中可用于快速修复 bug 与实现完整功能，强调响应速度与稳定性。MiniMax 同时在 MiniMax Code 推出限时活动：自 9 月 28 日至 10 月 7 日（UTC+8），用户每日签到可获得 2 倍积分，适用于包括 M3.1-Flash-Preview 在内的代码模型，以及用于生成视频的 H3 模型。
DFlash团队进军Mac，27B模型跑到144Token/s
动察 Beating AI 快讯，Inco AI 开源本地推理引擎 Splash，把 Qwen3.8-27B 在 M5 Max MacBook Pro 上跑到了最高 144 Token/s。LM Studio 随即接入，0.4.25 版本已经可以直接使用。 Inco 此前做出的 DFlash 已经进入 SGLang、vLLM、TensorRT-LLM 和 llama.cpp。Meta、NVIDIA、小米、Poolside 等也给自家模型配了 DFlash 加速小模型。DFlash 会先让小模型并行猜出多个 Token，再交给大模型批量验证，减少逐 Token 生成的计算。 Splash 把这种优化扩到了整个本地推理引擎。它目前只支持 Qwen3.8-27B 和 Qwen3.6-35B-A3B，每个模型都单独配了 GPU kernel、内存方案和 DFlash 2 小模型。覆盖的模型少，但换来了更激进的性能优化。 144 Token/s 是 M5 Max 上的最高演示值。换到 Inco 用来做横向测试的 48GB M5 Pro，Qwen3.8-27B 单路短上下文达到 74 Token/s；4 路并发时总吞吐达到 170 Token/s，是第二名的 3.9 倍。这也是 Splash 更适合 Agent 场景的地方。一个 Agent 同时拉起多个子任务时，并发总吞吐往往比单条对话速度更重要。 Splash 本身开源，不绑定 LM Studio。目前需要 M3 或更新的 Mac、macOS 26.4 以上、至少 36GB 统一内存。
天猫上线Token充值中心，首批接入阿里云、智谱、Kimi、MiniMax
火星财经消息，9月3日，天猫正式上线AI 空间站（ Token充值中心）。页面显示，该充值中心集合了阿里云、智谱、Kimi、MiniMax等国内大模型厂商的订阅服务，在售商品包括按周期订阅的Token Plan、Coding Plan以及按用量付费的充值方案，支持卡密或直充两种交付方式。
FreeToken开源：一张5090跑DeepSeek-V4-Flash，最高25 Token/s
动察 Beating AI 快讯，伯克利、MIT 等研究者开源 FreeToken。这是一个专门为本地设备设计的 MoE（混合专家模型）推理引擎，主要解决超大模型显存装不下的问题。它会把部分权重放在系统内存，并让 CPU 和 GPU 一起参与推理。 FreeToken 会把模型的大量专家权重放在系统内存，只把一部分缓存在显存。遇到显存里没有的专家时，它会根据 PCIe 和 CPU 内存带宽，动态决定是把权重搬到 GPU，还是直接交给 CPU 计算。这样 CPU、GPU、系统内存和 PCIe 可以一起参与推理。 论文实测，一台配备 RTX 5090 的游戏台式机运行 284B 参数的 DeepSeek-V4-Flash，可以达到 22–25 Token/s。这款模型每生成一个 Token 实际只激活约 13B 参数，因此特别适合这种 CPU、GPU 混合推理。 FreeToken 还在 8GB 显存的 RTX 4060 笔记本上把 35B 模型跑到 39.3 Token/s；单张 96GB RTX PRO 6000 则可以运行 753B 参数的 GLM-5.2，速度达到 llama.cpp 的约两倍。项目目前支持超过 20 款 MoE 模型，并已采用 Apache 2.0 许可证开源。
商汤大装置为智谱 GLM-5.3-Flash 提供国产算力与 Token 服务
火星财经消息，据证券时报，8月 27 日，记者从商汤获悉，商汤大装置为智谱近日上线并开源的 GLM -5.3- Flash 提供国产算力支持与 Token 服务，这被认为是国产算力规模化商用的又一个标杆。据透露，商汤大装置7月日均 Token 服务量已达到2.42万亿，预计2026年年底突破日均10万亿。