MiniMax-M3.1-Flash の必要VRAM

MiniMaxのMiniMax-M3の改良版(総428B・実働23B)。全層をMiniMax独自の疎注意にし、量子化を前提に学習している。一度に扱えるコンテキストの上限は100万トークン。画像と動画の入力にも対応。

428B / 60層 / GQA 4ヘッド / 既定コンテキスト 8,192 トークン(HuggingFace)

必要VRAM = 重み + KVキャッシュ(既定コンテキスト時) + 1.5GB(OS/表示)。△は量子化を下げるかコンテキストを絞れば動作します。

この表は Q4_K_M を最小の量子化として計算しています。×でも、IQ4_XS のようにさらに小さい量子化なら収まることがあります(品質低下と、使うランタイムの対応状況の確認が要ります)。

上の表は8,192トークンの文脈での計算です。AIエージェント(道具を使って複数ステップの作業を自動でこなす使い方)では長い文脈が要り、その分KVキャッシュが増えます。 このモデルをQ4_K_Mで使う場合、必要VRAMは32Kで約265.0GB、128Kで約277.1GBです(8Kの約1.1倍)。 KVヘッドが少ない構成のため、文脈を延ばしても増え方はゆるやかです。エージェント用途に向く設計といえます。

⚠ 公式配布はMXFP8/MXFP4の量子化済みです。総パラメータは公称値(約428B)で、ファイル上の要素数(220B)とは一致しません。

🛠 総パラメータは大きいものの、実際に毎回動くのは一部だけのMoEです。llama.cpp の --n-cpu-moe や KTransformers などオフロード対応エンジンを使うと、VRAM に全部載らなくても、大容量のシステムRAMがあれば動く場合があります(速度は実働パラメータ相当。下の必要VRAMは全載せ前提の目安です)。

MiniMax-M3.1-Flashとは

MiniMax-M3.1-Flashは、MiniMaxAIが公開するTransformer系のデータセンター級(428Bパラメータ)オープンモデルです。数百B〜1T規模のフラッグシップで、個人のローカル実行は対象外です(参考収載)。テキストに加えて画像入力に対応するマルチモーダル(VLM)です。

Hugging Faceでの直近30日ダウンロードは約2万件・いいね545件 — ダウンロード数は当サイト収録120モデル中87位です(2026-11-04時点。公式リポジトリ分のみで、GGUF再配布版は含みません)。

MiniMax-M3.1-Flashの必要スペックを読み解く

Q4_K_M量子化での内訳は、重み(モデル本体)が約259.5GB、8Kトークン分のKVキャッシュが約1GB、システム予約と合わせて合計約262GBです。 単一のコンシューマGPUに◎(快適)となるクラスはなく、実行はクラウドGPUが現実的です。 迷ったらQ4_K_M(合計約262GB)が基準です。VRAMに余裕があればQ8_0(約457.3GB)で品質の上積みが狙えます。 Mac(ユニファイドメモリ)での判定は、トップページでチップと搭載メモリを選ぶと計算できます。

MoE構成: 総428B・実効23B。メモリは総量428B分が必要ですが、生成速度は23B級の軽さです。

画像対応(VLM): 画像を入力する際は、テキストのみの目安より使用メモリが増えます。

コンテキスト長とメモリの伸び方

このモデルのKVキャッシュは、2Kトークンで約0.3GB、8Kで約1GB、32Kまで広げると約4GBになります。KVキャッシュはコンテキスト長にほぼ比例して増えるため、長文用途ではその分のVRAM余白を見込んでください。

速度の目安(理論上限)

MoEのため速度は実効23B相当(Q4で約13.9GB)で決まり、理論上限はRTX 3060 12GBで約26 tokens/秒、RTX 4090で約72 tokens/秒です(実効はこれ以下)。

動かすには

この規模はコンシューマ環境の外なので、クラウドGPUでの実行が入口になります。 RunPodでの始め方(手順ガイド)

同クラスの選択肢

MiniMax-M3(427.04B) / Qwen3.5 397B-A17B(403.4B) / Ornith 1.5 397B(396.8B)

▶ あなたのPCを自動判定する(スペック送信なし・ブラウザ内完結)