最高第 3 名现在第 3 名

MiniMax M3.1 Flash本地部署

Unsloth让MiniMax-M3.1-Flash可本地运行，2-bit GGUF保留91.5%精度且缩小45%，需150GB内存。

首次上榜 10月26日 23:21 · 榜单是怎么排的

名次变化

要点

UnslothAI 称 MiniMax-M3.1-Flash 现已可在本地运行，其 2-bit GGUF 在体积缩小 45% 的同时保留 91.5% 的 top 1 准确率，可在 150GB 内存上运行。
UnslothAI 称 MiniMax-M3.1-Flash 是同尺寸最强的开源模型、也是总体最强的模型之一，并附上 GGUF 和指南链接。
MiniMax_AI 称曾以 200T+ tokens 登顶全球榜单的 Space Bunny 是 M3.1 Flash 的早期版本，M3.1 Flash 在 Automation-Bench 达 62%、ALE 达 30%、DeepSWE 达 74%。
MiniMax_AI 称最新社区贡献涵盖 8 步参考条件视频+音频、4 步蒸馏、稀疏注意力和参考 token 压缩，以及跨 GPU 服务器、TPU 和 Apple Silicon 的服务与工作流集成。

要点和反应摘要由 AI 依据本页推文整理，请以原推为准。我们怎么用 AI

原推

Unsloth AI @UnslothAI 10.2万粉丝10月26日 22:45

MiniMax-M3.1-Flash can now run locally! We made 2-bit GGUF retain 91.5% top 1 accuracy while being 45% smaller. Run on 150GB RAM. MiniMax-M3.1-Flash is the strongest open model for its size & among the best overall. GGUF: https://t.co/A8Xp9uqpq1 Guide: https://t.co/gW5gp25niu https://t.co/txl6ZPRTjs引用 @MiniMax_AI: MiniMax M3.1 Flash: Space Performance + Bunny Speed 🚀🐰 Yes, Space Bunny - which has topped global leaderboards with 200T+ tokens - was an earlier version of M3.1 Flash. 💰Redefining the performance economics of agentic AI. M3.1 Flash achieves frontier-level intelligence across key tasks such as Cowork (Automation-Bench: 62%; ALE: 30%), Coding (DeepSWE: 74%) and Visual Reasoning (BabyVision: 91%)