vLLMvLLM 社区（原 UC Berkeley）
生产环境部署 LLM 的默认答案：PagedAttention 把 KV cache 碎片化问题解决掉，吞吐比朴素实现高一个量级。
推理框架 / 服务引擎PagedAttention张量并行FP8/AWQ/GPTQOpenAI 兼容 API多模态
MiniMax M3
模型简介
428B 只激活 23B，稀疏注意力把 1M 上下文的多模态推理成本压到上一代的二十分之一。
- 参数量
- 428B (激活 23B)
- 上下文
- 1M
- 所属
- MiniMax
- 类型
- 纯文本 / 可识别图像
- 商用
- 有条件可商用
- 许可
- MiniMax Community License
- 发布
- 2026-06-02
- 收录
- 2026-10-03