MiniMax

MiniMax 是一家中国 AI 实验室，其开源权重瞄准一个特定生态位：超大规模的 MoE 模型——总参数量极大，但每 token 激活量很小，加上极长的上下文窗口。本站收录的家族有两位成员：MiniMax-M2.7（229B 总量，10B 激活，200K 上下文）和 MiniMax-M3（428B 总量，23B 激活，1M 上下文）。两款都是 agent 和编程负载的社区热门，Hugging Face 下载量超百万——但光权重体积就让它们远超任何普通游戏卡。下面是本地运行的实际成本。

以下 VRAM 数字全部按我们标准估算：Q4 权重 + 8K 上下文 KV cache + 1 GB 运行时开销。每款模型页展示完整的 4K–32K 矩阵。

尺寸梯度

• MiniMax-M2.7（229B，MoE，每 token 激活 10B）— Q4 在 8K 上下文约需 129 GB VRAM → 192GB+ 方案（多卡或高容量统一内存）。Q2 约 67 GB，单张 96GB 卡能跑。查看 MiniMax-M2.7 详情
• MiniMax-M3（428B，MoE，每 token 激活 23B）— Q4 在 8K 上下文约需 241 GB VRAM → 超出 192GB+ 档；预算 256GB+ 跨多卡。Q2 约 125 GB，192GB 级机器能跑。查看 MiniMax-M3 详情

MiniMax 特别在哪

MoE 经济学。 M2.7 存着 229B 参数，但每 token 只激活约 10B（256 专家，每 token 8 个），所以生成速度更接近 10B 级稠密模型，远不是它文件体积暗示的样子。M3 每 token 激活 23B（128 专家，每 token 4 个）——每 token 比 M2.7 重，但以 428B 模型的标准来看轻得惊人。这正是这个家族的卖点：旗舰级知识储备，中档 per-token 计算成本。

长上下文——以及代价。 KV cache 随上下文线性增长。按我们的估算，M2.7 每 1K token 多加约 0.25 GB，所以跑满 200K 窗口意味着在 8K 基线之外再加约 50 GB。M3 每 1K token 多加约 0.58 GB；把 1M 上下文真跑满，光 KV cache 就有约 589 GB。实际跑 M3 在 32K–128K 就够了，大多数工作负载用不到 1M。

许可。 两款都使用 MiniMax 自有许可（M2.7 用 MiniMax License，M3 用 MiniMax Community License），不是 OSI 批准的条款。商用部署前请阅读条款。

怎么选

• 96GB 以下显存： 哪款都装不下，Q2 也不行。这是工作站和服务器级模型——看 Qwen3 或 Llama 之类的小型家族配单张游戏卡。
• 96GB： M2.7 Q2（约 67 GB）有余量。Q4 装不下。
• 192GB： M2.7 的甜点——Q4 约 129 GB，给长上下文 KV cache 留出了空间。M3 只能 Q2（约 125 GB），偏紧。
• 256GB+（多卡或顶配统一内存）： M3 Q4 变得可行。这已是纯多卡范畴。
• 速度预期： tok/s 跟的是激活参数，不是总参数。同样机器上，M2.7（10B 激活）比 M3（23B 激活）感觉明显更快——前提是权重真能装进 VRAM。

必须二选一的话：大多数本地机选 M2.7，因为 192GB 级硬件已经能 Q4 全质量跑；只有你真有 256GB+ 显存，或确实需要 1M 上下文且能接受 Q2，才上 M3。

相关链接

• MiniMax-M2.7 — 完整 VRAM 矩阵
• MiniMax-M3 — 完整 VRAM 矩阵
• 70B+ 模型最佳显卡
• 本地 LLM 到底需要多少 VRAM？
• 在消费级 GPU 上跑大模型
• MiniMax-M2.7 在 Hugging Face / MiniMax-M3 在 Hugging Face