MiniMax M3开源：428B参数、23B激活，跑起来

先把官方给的数字说清楚

M3 被描述为 MoE 架构：总参数约 428B，每 token 激活约 23B（常说"128个专家、每次激活4个"这类实现细节在模型卡/讨论中出现），并标称 上下文窗口 1M token，输入模态覆盖文本/图像/视频。

但有两个地方别读太快：

• 许可证在 Hugging Face 模型卡上写的是 MiniMax Community License，不是默认 MIT；部分媒体简写成"MIT协议可商用"，容易误导。你若打算商用或二次分发，务必以许可证正文为准。
• 标称 1M 更多是能力上限/架构设计目标，可保证窗口在很多部署/API口径下会写得更保守（例如 512K 这类数字也出现过），别把"支持1M"直接等同于"任何场景都能稳定吃掉1M"。

MSA这篇论文比跑分更值得盯

这次技术侧的重点不是"又大了一点"，而是它试图解决长上下文的成本瓶颈：MSA 在 GQA 思路上做 block 级稀疏选择（轻量 index branch 挑 top-k KV block，再只在选中块做精确注意力），并配套 CUDA 层面的工程实现。论文给出的一组代表性数字是：在 109B 量级多模态 MoE 上，1M 上下文下注意力计算量可降到约 1/28.4，并报告 prefill / decode 的墙钟加速（属于"结构+kernel协同设计"的路子）。

对开发者来说意义更直接：它让"百万上下文"从PPT变成可讨论的部署问题——但要真跑起来，仍然逃不开显存、量化、调度与稳定性的老三样。

它在哪些榜？第三方数据能看到，但要分清口径

MiniMax 自己汇总了多个公开评测口径：Artificial Analysis 的 Intelligence Index/GDPval-AA 等页面里，M3 被放在"开源模型头部"的位置；同时它也提到 Vals.AI 等榜单的国产靠前区。

这里建议你看榜时只抓一条：AA 这类是第三方独立跑的，但不同榜的 task mix 不同，排名≠全面碾压。尤其编程向分数（例如它提到的 SWE-Bench Pro 59%）多以厂商自报为主，等更多独立复现出来再下结论更稳妥。

最现实的问题：开源≠你家显卡能跑

官方与社区都承认：发布后访问/调用量上来，体验会抖；团队披露输出速度从约 30TPS→80TPS，还说会继续提 30–40%，并补了用量看板这类运维动作——这反而比"世界第一"那类形容词更可信。

至于本地/私有化：MoE 的优势是"激活小"（23B 的量级），但 428B 的总权重体量和配套 KV/量化工程，仍会把大多数人推向 服务器集群或至少多卡；社区最现实的路径通常是等/做量化版本（MXFP8 之类）、再配合 vLLM/SGLang 做可控部署，而不是把"428B"当成一个能随便塞进笔记本的词。

信息来源以 MiniMax 官方口径、Hugging Face 模型卡与较一致转载为准；若你打算商用，先把 Community License 原文读一遍再动工。