MiniMax-M3-MXFP4-AttnFP8

该模型属于 MiniMax-M3 系列，从名称可以看出它的两个工程特征：权重以 MXFP4 低比特浮点格式存储，注意力计算路径采用 FP8 精度，二者共同指向更低的显存占用与更高的推理吞吐。由 AMD 于 2026 年 6 月发布并开放权重，许可证标注为 other，使用前需要自行核对条款细节。输入侧接受文本与图像，输出为文本，适合图文理解、文档问答、多模态内容生成等场景。需要明确的是，本站未收录该模型的公开跑分、能力标注与官方定价，也没有任何平台接入记录，因此它当前更像是一个「权重已放出、生态尚待验证」的选项：能确认的是发行方、模态与量化方案，不能确认的是实际效果与成本。对打算使用它的人来说，价值在于可以在 AMD 生态内直接获得一个多模态开源权重，代价是需要自行完成部署验证与效果评估，而不能依赖现成的托管服务或第三方评测结论。

选型建议已有 AMD 算力、能自行评测并接受量化精度取舍时值得一试；需要现成 API、明确跑分或清晰商用条款时应先观望。

• 在 AMD 推理卡上自建图文问答服务，处理带插图的文档与截图内容
• 对图片配文、商品图描述等批量图文任务做本地化文本生成
• 用低比特量化版本在显存有限的机器上做多模态原型验证
• 作为 MiniMax-M3 系列的量化基线，与全精度版本对比精度与吞吐
• 在离线或内网环境中部署开源权重，避免数据外发

公开资料对该模型的具体网络结构披露有限，可确认的是它以 MiniMax-M3 为基座，并在权重与注意力两处做了混合精度处理。

• 结构权重采用 MXFP4 微缩放浮点格式，注意力相关计算走 FP8 路径，属于典型的分层混合精度取舍，而非整网统一精度。
• 能力输入侧同时接受文本与图像、输出为文本，说明保留了基座的多模态理解入口，可用于图文混合输入的生成任务。
• 披露官方未公开参数量、层数、上下文长度等结构细节，本站也未收录相关规格，实际结构需以权重文件与官方说明为准。

开源权重

是

许可证

other

本站未收录该模型的任何第三方跑分，以下判断仅基于量化方案与发行形态的定性推断。

• 强项低比特权重与 FP8 注意力显著压低显存占用，在同等硬件上更易跑起多模态推理，适合显存受限的部署环境。
• 短板量化会带来精度损失，尤其在细粒度视觉理解与长文本推理上可能与全精度基座存在差距，且缺少跑分可供横向核实。
• 适合对成本与显存敏感、能接受自行评测调优的团队；对效果有硬性指标要求且不接受自建验证的场景不宜直接采用。

官方价格未公开，本站也没有收录任何平台报价，因此只能从发行形态判断其成本结构。

• 定位以开源权重形式发布，理论上无按 token 计价的调用费，主要成本来自自建推理的硬件与运维投入。
• 横向对比同页对比的 GLM、Qwen、MiniMax 其他量化版本价格与跑分均为空，无法做出有效的价格或效果排序。
• 平台差价当前接入平台数为 0，不存在托管渠道之间的价格差异，也就无法通过比价获得更低的调用成本。
• 省钱若已有 AMD 推理资源，走自建部署可省去 API 费用；缺少算力时，量化权重对显存的要求低于全精度版本，能降低硬件门槛。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径能力标注、上下文长度、官方定价与第三方跑分均未公开，本站相关字段为空，不代表这些指标为零或不存在。
• 边界许可证为 other，商用与再分发条件需自行核对原文；量化版本的精度表现依任务而异，上线前应做针对性验证。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。