MiniMax M3.1 Flash 实测：和 DeepSeek V4.1 Flash 怎么选

作者用 API（DeepSeek Harness、mcode）让 M3.1 Flash 长时间会话逐项加功能，纯代码无外部素材做出开放世界 FPS，称比上代 M3 进步明显，并打算用掉本月剩余额度继续改进。

Maya 新增 M3.1 Flash 引擎，可在 V100 起的 NVIDIA 显卡上本地跑，自动规划显存、长上下文缓存减半，视觉塔按需加载；后续将出适配 128GB 机器的 GGUF 量化。

在两张 AMD Strix Halo 加一张 RTX PRO 6000 上跑 DeepSeek V4.1 Flash、Qwen3.8、GLM-5.3 和 MiniMax M3.1，作者称本周收益多来自配置：显存频率停在 P1 损失约 4.5% 带宽、首 16 token 慢约 1.65 倍，专家加载流水线化后从 109

作者用 4 台 DGX Spark（GB10）加 SGLang TP=4 端到端跑通 M3.1 Flash，实测单流解码 59 tok/s、6 路并发合计 122.9 tok/s，266k 请求的 needle 测试命中，并列出显存、KV 池与踩坑细节。

开发者做 Repro：录制控制台/网络/点击，由 Nebius 上的 M3.1 Flash 写 bug 报告，在登录态浏览器复现、提修复并在 Docker 沙箱验证；真实商店 bug 两步复现、单文件修复。

作者列出 M3.1 Flash 输入 $0.15、输出 $0.60 每百万 token 的价格，提醒 B2B SaaS 创始人重新审视默认模型选择，先测试哪些客户请求真需要高价 token。

作者用 4 台 NVIDIA DGX Spark 加 vLLM TP4 和 DSpark 投机解码部署 M3.1 Flash，300K 上下文、1.42M token KV 池，84/84 请求通过，并公开完整脚本与踩坑记录。

帖子指出 MiniMax M3.1 Flash 提供 vLLM 和 SGLang 部署配方，paged attention 与连续批处理开箱可用，但社区许可未经许可不得商用，只适合研究部署或谈条款的团队。

SGLang-Omni 成员分析 428B MoE 的稀疏注意力、量化感知训练与投机解码，并给出 OSWorld 61.7 等跑分。

vLLM 博客给出 M3.1 Flash 的 day-0 支持，含 NVIDIA 与 AMD 优化配方及 AgentX 帕累托曲线，作者称是 Rubin 最全面的一次首日适配。

作者为 MiniMax M3.1 Flash 训练了 DFlash 2 投机解码草稿模型，以 Apache 2.0 开源，生成速度最高提升 3.5 倍且无损。

inco_ai 为 MiniMax M3.1 Flash 开源了 Apache 2.0 许可的 DFlash 2 草稿模型，生成速度最高提升 3.5 倍且无损，并附 Hugging Face 链接。