2026年10月27日

Unslothの「MiniMax-M3.1-Flash」GGUFとは?2-bitで精度91.5%・150GB RAMでローカル実行

MiniMax-M3.1-Flashは、MiniMaxが2026年10月19日に発表したネイティブ・マルチモーダルなMoE(Mixture of Experts)モデルで、コーディングやエージェント作業、Computer Use、サイバーセキュリティ向けに設計されています。そのMiniMax-M3.1-Flashを、UnslothがGGUF形式に量子化してローカル実行に対応させました。

室谷室谷代表取締役
いやー、これは待ってましたという発表なんですよね。UnslothがMiniMax-M3.1-FlashのGGUFを公開して、ついにローカルで動かせるようになった、と。

しかも2-bitでtop-1精度の91.5%を保ったまま45%小さくした、150GB RAMで動く、というのが刺さります。
テキトー教師テキトー教師DotAI 認定講師
単に「GGUFが出た」という話じゃないんですよ。MiniMax公式のブログでは、モデルの重みは「後日公開」とされていて、発表時点ではAPI経由が前提だったんです。

そこにUnslothが先にGGUFを用意した、という順番が大事なんですよね。
室谷室谷代表取締役
そうそう、そこなんですよ。公式重みの公開を待たずにローカルで試せる道が出た、というのが実務者としては大きいんです。

MiniMax-M3.1-Flashとは?Unslothがローカル実行に対応した概要

MiniMax-M3.1-Flashの概要とUnsloth対応のポイント
M3からの3つの変更点
スパースアテンションの全層適用、量子化を意識した学習(QAT)、DSparkという投機的デコーディング
性能とコストの改善
匿名運用の「Space Bunny」が200兆トークン以上を処理。初期版から推論が約3倍高速化し、利用コストが70%減
Unslothでの公開
Hugging Faceで unsloth/MiniMax-M3.1-Flash-GGUF として公開。ライセンスはminimax-community
量子化の種類
1-bitから8-bitまで複数の量子化を用意
day-zeroアクセス
MiniMaxから初日アクセスを得て量子化した経緯がドキュメントに記載
モデルカードのタグ
Image-Text-to-Text、multimodal、Mixture of Experts、agent、coding、video
室谷室谷代表取締役
まず整理すると、MiniMax-M3.1-FlashはMiniMaxの新しいFlashモデルで、前世代のM3をベースに、スパースアテンションの全層適用、量子化を意識した学習(QAT)、DSparkという投機的デコーディングの3点を変えてきているんですよね。
テキトー教師テキトー教師DotAI 認定講師
ええ。公式ブログでは、匿名で運用されて200兆トークン以上を処理した「Space Bunny」がM3.1 Flashの初期バージョンだった、と明かされています。

そこから推論が約3倍高速化して、利用コストが70%減った、というのが発表の骨格です。
室谷室谷代表取締役
で、Unslothのほうはというと、Hugging Faceでunsloth/MiniMax-M3.1-Flash-GGUFとして公開されていて、ライセンスはminimax-community。1-bitから8-bitまで複数の量子化が用意されているんですよ。
テキトー教師テキトー教師DotAI 認定講師
Unslothのドキュメントには「Thank you MiniMax for day-zero access」と書かれていて、MiniMaxから初日アクセスを得て量子化した、という経緯が読み取れます。モデルカード上はImage-Text-to-Text、multimodal、Mixture of Experts、agent、coding、videoといったタグが付いていますね。
室谷室谷代表取締役
ちなみにMiniMax-M3.1-Flash自体の基本情報は、以前のMiniMax-M3.1-Flashとは?100万トークン・常時思考の低価格APIを解説でも整理しているので、そちらと合わせて読むと全体像がつかめると思います。

MiniMax-M3.1-Flashでできること——428B MoE・100万トークン・マルチモーダル

MiniMax-M3.1-Flash のスペック
アーキテクチャ
ネイティブ・マルチモーダルMoE
パラメータ
総数 約428B、トークンあたり23Bが活性
入力/出力
テキスト・画像・動画を入力し、テキストを出力
コンテキストウィンドウ
最大100万トークン
アテンション
MiniMax Sparse Attention(MSA)を全層に適用
投機的デコーディング
DSparkのドラフトヘッドを同梱
テキトー教師テキトー教師DotAI 認定講師
ここはスペックをきちんと押さえたいところです。まず整理するとこうです。
  • アーキテクチャ:ネイティブ・マルチモーダルMoE
  • パラメータ:総数 約428B、トークンあたり23Bが活性
  • 入力/出力:テキスト・画像・動画を入力し、テキストを出力
  • コンテキストウィンドウ:最大100万トークン
  • アテンション:MiniMax Sparse Attention(MSA)を全層に適用
  • 投機的デコーディング:DSparkのドラフトヘッドを同梱
室谷室谷代表取締役
428Bの総パラメータで23Bしか活性しない、というMoEの設計がミソなんですよね。だから総重量はデカいけど計算は軽い、と。

で、入力がテキスト・画像・動画で出力がテキスト、と。
テキトー教師テキトー教師DotAI 認定講師
動画入力まで対応しているのは大きいですね。マルチモーダルで100万トークンのコンテキストという仕様は、長い資料や画面操作のログを丸ごと扱うエージェント用途をかなり意識していると思います。
室谷室谷代表取締役
実際、公式ブログでもエージェント作業、コーディング、Computer Use、サイバーセキュリティの4領域を前面に出しているんですよ。MYUUUでもエージェント系の検証は常にやっているので、この辺の数値は素直に気になります。
テキトー教師テキトー教師DotAI 認定講師
あと、推論の深さをreasoning_effortでlow、medium、high、xhigh、maxと切り替えられるのも特徴ですね。Unslothのガイドではhighを使う構成が例示されています。

MiniMax-M3.1-Flashのローカル実行に必要なメモリと量子化の精度

量子化ごとの精度・ファイルサイズ・必要メモリ
量子化top-1精度(全体)コーディング精度汎用チャット精度数学精度ファイルサイズ必要メモリ
1-bit (UD-IQ1_M)89.9%---129.4GB134GB
2-bit (UD-IQ2_XXS)----134.9GB150GB
2-bit (UD-Q2_K_XL)91.5%91.2%88.5%95.7%143.9GB150GB
3-bit (UD-IQ3_XXS)----160.0GB176〜208GB
3-bit (UD-IQ3_S)----175.5GB176〜208GB
3-bit (UD-Q3_K_XL)----194.0GB176〜208GB
4-bit (UD-Q4_K_XL)98.0%97.6%97.3%99.0%249.4GB256GB
8-bit (UD-Q8_K_XL)--97.8%99.3%259.1GB272GB
室谷室谷代表取締役
ここが今回の発表の一番おいしいところなんですよね。2-bitで91.5%という数字の意味をちゃんと見ておきたい。
テキトー教師テキトー教師DotAI 認定講師
Unslothのドキュメントによると、129.4GBの1-bitが約89.9%、143.9GBの2-bitが91.5%、249.4GBの4-bitのUD-Q4_K_XLが98.0%のtop-1精度だとされています。コーディングに限るとQ2が91.2%、Q4が97.6%です。
室谷室谷代表取締役
1-bitでも89.9%出るって、けっこうすごいんですよね。で、実用の中心は2-bitの143.9GB、といったところか。
テキトー教師テキトー教師DotAI 認定講師
メモリ要件はこう整理されています。
量子化必要メモリ(RAM+VRAMまたはユニファイドメモリ)
1-bit134 GB
2-bit150 GB
3-bit176〜208 GB
4-bit256 GB
8-bit(ロスレス)272 GB
室谷室谷代表取締役
これは16Kコンテキスト・1スロットを前提にした計画値で、重みに加えてKVキャッシュやランタイム、OS用に20〜32GiBほど上乗せした数字なんですよ。コンテキストを伸ばしたり、画像入力やDSparkを使うと、さらにメモリが要る、と。
テキトー教師テキトー教師DotAI 認定講師
そこは誤解されやすいので、講座でも受講生さんによく説明するんですけど、23Bしか活性しないからといってメモリが23B分で済むわけではないんですよね。量子化した重みは全部メモリに載せる前提で、GPUメモリが足りなければCPUオフロードを使う、という設計です。
室谷室谷代表取締役
そう、ここ大事なんですよ。「MoEだから軽い」は計算の話であって、メモリの話じゃないんですよね。

MYUUUでもローカル推論の構成を組むときは、まず重みのサイズから逆算しますから。
テキトー教師テキトー教師DotAI 認定講師
ファイルサイズも整理しておくと、UD-IQ1_Mが129.4GB、UD-IQ2_XXSが134.9GB、UD-Q2_K_XLが143.9GB、UD-IQ3_XXSが160.0GB、UD-IQ3_Sが175.5GB、UD-Q3_K_XLが194.0GB、UD-Q4_K_XLが249.4GB、UD-Q8_K_XLが259.1GBです。
室谷室谷代表取締役
ちなみにUnslothのDynamic 3.0量子化は、汎用のllama.cpp+imatrixの量子化と比べて、同じかより小さいサイズで精度が高い、と主張されているんですよね。UD-Q3_K_XLの194.0GBが、汎用のIQ4_XS(約230GB)を7カテゴリすべてでtop-1一致率で上回る、と。
テキトー教師テキトー教師DotAI 認定講師
7カテゴリというのは、コーディング、数学、チャット、ツール、多言語、推論、エージェント利用ですね。汎用チャットのtop-1一致率でいうと、UD-Q2_K_XLが88.5%、UD-Q4_K_XLが97.3%、UD-Q8_K_XLが97.8%。

数学だとそれぞれ95.7%、99.0%、99.3%です。
室谷室谷代表取締役
Q4とQ8の差が9.7GBでわずか、というのも選びやすいポイントですよね。逆にQ2は汎用チャットで88.5%まで落ちるので、用途次第でQ4に上げる価値はある、と。

MiniMax-M3.1-Flashの使い方・始め方——llama.cppとUnsloth Desktopで動かす

室谷室谷代表取締役
では実際の始め方なんですけど、Unslothは大きく2ルート用意しているんですよね。Unsloth Desktopとllama.cppです。
テキトー教師テキトー教師DotAI 認定講師
はい。Unsloth DesktopはmacOS、Windows、Linux向けのオープンソースUIで、GGUFのダウンロードからサンプリング設定、CPU/GPUオフロードの調整まで1つのアプリで完結します。

手順はこうです。
  1. 自分のOS向けにUnsloth Desktopをインストールする(MiniMax-M3.1対応ビルド)
  2. Unsloth ChatまたはModel hubでMiniMax-M3.1-Flashを検索し、unsloth/MiniMax-M3.1-Flash-GGUFを選択
  3. 量子化をダウンロード(例はUD-Q2_K_XLで143.9GB)
  4. 推奨設定・16Kコンテキスト・1並列スロット・reasoning_effortはhighで読み込む
室谷室谷代表取締役
コマンドで回すならunsloth runでサーブして、OpenAI互換のAPIエンドポイントがhttp://localhost:8080/v1で立つ、と。既存のツールをそのまま繋げられるのがいいんですよね。
テキトー教師テキトー教師DotAI 認定講師
llama.cppの場合は、MiniMax-M3.1対応のPR #31192をビルドして、Hugging Face CLIでシャードを全部ダウンロードします。--include "UD-Q2_K_XL/*"で4シャードをまとめて取得して、最初のシャードを--modelに指定すれば残りは自動で読まれます。
室谷室谷代表取締役
サンプリング設定はtemperature 1.0、top-p 0.95、top-k 0、min-p 0.0で、--chat-template-kwargs '{"reasoning_effort":"high"}'を渡す、と。ここは公式推奨どおりに揃えるのが無難ですよね。
テキトー教師テキトー教師DotAI 認定講師
画像入力を有効にするには、別途mmproj-BF16.gguf(約1.74GB)のビジョンプロジェクタをダウンロードして--mmprojで指定します。その分のメモリも見込んでおく必要があります。
室谷室谷代表取締役
あとDSparkですね。MiniMax公式のDSparkドラフトヘッドがQ8_0のGGUF(約2.1GB)で用意されていて、--spec-type draft-dsparkと-mdで指定すると投機的デコーディングが効くんですよ。
テキトー教師テキトー教師DotAI 認定講師
Unslothのテストでは--spec-draft-n-max 1が最速で、コードと数学で約1.5倍、チャットでは伸びが小さい、とされています。値を大きくすると1ステップあたりのドラフト数は増えますが受理率が下がって、オープンなチャットでは遅くなることもある、と。
室谷室谷代表取締役
ドラフトヘッドは本体の埋め込みと出力ヘッドを再利用して隠れ状態を読むので、同じリポジトリのMiniMax-M3.1-Flash GGUFと組み合わせないと動かない、という制約も押さえておきたいですね。
テキトー教師テキトー教師DotAI 認定講師
なお、Hugging Faceのモデルカードにはllama.cpp以外にもOllama、LM Studio、vLLM、Docker Model Runner、Lemonadeなどでの利用手順が並んでいます。手元の環境に合わせて選べますね。

MiniMax-M3.1-Flashの料金と提供形態——API価格とウェイト公開日

室谷室谷代表取締役
クラウドで使う場合の料金も整理しておきたいんですよね。公式ブログの記載はこうです。
テキトー教師テキトー教師DotAI 認定講師
ええ、100万トークンあたりのフラット料金で、入力$0.15、出力$0.60、キャッシュ入力$0.015です。前世代と比べてエージェント作業の総利用コストが70%低い、と説明されています。
室谷室谷代表取締役
提供形態はMiniMax API、M Plan、MiniMax Codeの3つ。APIはplatform.minimax.io、M Planはminimax.io/m-plan、MiniMax Codeはagent.minimax.io/downloadから、という導線になっています。
テキトー教師テキトー教師DotAI 認定講師
公式ブログの公開日は2026年10月19日で、そこでは「モデルの重みは後日公開」とされていました。その後、MiniMax側の告知では重みの公開が10月23日予定と示されています。
室谷室谷代表取締役
つまり、公式重みの公開を待たずにローカルで試せるのがUnslothのGGUF、という構図なんですよね。この辺の提供状況の変化は、MiniMax「M3.1 Flash」の0G無料枠が本日終了、40%オフの有料提供へのような動きも含めて追いかけておきたいところです。
テキトー教師テキトー教師DotAI 認定講師
なお、MiniMax Codeはコーディングと業務の両モードを持つデスクトップ製品で、macOS、Windows、iOS、Android、ターミナル向けに提供されています。M Planの具体的な料金プランの中身については、今回のソースでは価格表までは示されていないので、現時点では明らかにされていない部分もあります。

ベンチマークで見るMiniMax-M3.1-Flashの性能と競合比較

室谷室谷代表取締役
ここは数字をきちんと並べておきたいですね。公式が出しているベンチマークを見ていきましょう。
テキトー教師テキトー教師DotAI 認定講師
まず整理するとこうです。
ベンチマークMiniMax-M3.1-FlashDeepSeek V4.1 Flash-1017Kimi K3GLM-5.3GPT-5.6 SolOpus 5
Automation-Bench v1.0.662.860.546.748.845.850.3
BankerToolBench76.2—69.174.574.676.2
Terminal Bench 4.038.142.312.637.939.951.8
LOCA-Bench 256K60.3—49.750.360.053.7
Agents' Last Exam29.6—28.3—30.632.2
OSWorld 2.061.7—58.3—65.770.6
DeepSWE v1.173.777.067.566.973.074.0
NL2Repo-Bench61.268.258.058.056.875.3
CyberGym82.2—80.084.583.6—
BabyVision(ツールあり)91.092.585.7—88.994.1
HLE(ツールなし)43.442.643.542.349.555.6
室谷室谷代表取締役
こうして見ると、Automation-Benchで62.8、BankerToolBenchで76.2、CyberGymで82.2と、エージェント系とセキュリティ系で強く出ているのが分かるんですよね。
テキトー教師テキトー教師DotAI 認定講師
公式ブログでも、OSWorld V2の61.7とAgents' Last Examの29.6について、中国系モデルの中で1位だと説明されています。サイバーセキュリティではCyberGym 82%で、脆弱性の発見と検証に強い、と。
室谷室谷代表取締役
一方でTerminal Bench 4.0は38.1で、表の中では伸びしろがある数字に見えるんですよ。NL2Repo-Benchも61.2ですから、コーディング系はベンチマークによって得意不得意が出る、と。
テキトー教師テキトー教師DotAI 認定講師
そこは評価ハーネスの違いも効いてきます。公式の注記では、Terminal BenchはCodex 0.149.1、DeepSWEはmini-SWE-agent 2.4.5、NL2RepoはClaude Code 2.1.233を使い、後ろ2つは512Kコンテキストだ、と。

スコアはセットアップとreasoning effortに依存する、と明記されています。
室谷室谷代表取締役
あと、これは絶対に言っておきたいのが、公式の注記に「結果は公式の重みに対するもので、サードパーティの量子化では異なる場合がある」と書かれているんですよ。つまりUnslothのGGUFで遊んだ数値は、この表とイコールではない、と。
テキトー教師テキトー教師DotAI 認定講師
そうなんですよ。量子化の精度はUnslothがtop-1一致率として別途出していて、Q2で91.5%、Q4で98.0%という形で示されています。

ベンチマークのスコアと量子化の一致率は別物として読む必要がありますね。
室谷室谷代表取締役
競合の整理としては、DeepSeek系の動きはDeepSeek V4.1 Flashとは?552B MoEとAA-AgentPerf首位のGB300を読み解くやDeepSeek-V4.1-Flash-1017とは?料金・ピーク時間と実測、Search APIで追っているので、そこと並べるとエージェント性能とコストの競争が見えてきます。
テキトー教師テキトー教師DotAI 認定講師
公式ブログでも「トップモデルと同等の性能を非常に低いタスクコストで」という表現で、性能とコストの両面で新しい基準を作る、という位置づけがされています。

よくある質問

室谷室谷代表取締役
最後に、よく聞かれそうなところを整理しておきますか。
テキトー教師テキトー教師DotAI 認定講師
まず「ローカルで動かすのにどれくらいのメモリが必要か」ですが、Unslothの計画値では1-bitで134GB、2-bitで150GB、3-bitで176〜208GB、4-bitで256GB、8-bitで272GBです。16Kコンテキスト・1スロット前提で、KVキャッシュやランタイム込みの余裕を見た数字です。
室谷室谷代表取締役
「2-bitでも実用になるのか」という点については、Unslothの測定でtop-1精度91.5%、汎用チャットの一致率88.5%、数学95.7%とされています。コーディングは91.2%です。

用途によってはQ4の97.3%まで上げる選択肢もある、と。
テキトー教師テキトー教師DotAI 認定講師
「APIとローカルでどちらが安いのか」は、単純比較はできませんが、APIは入力$0.15、出力$0.60、キャッシュ入力$0.015(各100万トークン)のフラット料金です。ローカルはハードウェアのメモリ要件がそのままコストになります。
室谷室谷代表取締役
「重みはいつ公開されるのか」は、MiniMaxの告知で10月23日予定とされています。UnslothのGGUFはすでにHugging Faceで公開されていて、1-bitから8-bitまで選べる状態です。
テキトー教師テキトー教師DotAI 認定講師
「画像入力は使えるのか」については、テキスト・画像・動画の入力に対応していて、llama.cppで使う場合はmmproj-BF16.gguf(約1.74GB)を別途ダウンロードして--mmprojで指定します。Unsloth Desktopでは画像入力とDSparkが自動で有効になる、と案内されています。
室谷室谷代表取締役
「DSparkは必須なのか」というと、必須ではなくて、通常のデコーディングでも動きます。ドラフトヘッドを併用するとコードと数学で約1.5倍の速度が期待できる、という位置づけですね。
テキトー教師テキトー教師DotAI 認定講師
「日本語は対応しているのか」については、Unslothの量子化評価の7カテゴリに多言語が含まれていて、Q3の90.8%からQ4で97.6%に上がる、と示されています。個別の言語ごとの評価数値までは、今回のソースでは明らかにされていません。
室谷室谷代表取締役
というわけで、公式重みの公開前からローカルで試せる環境が整った、というのが今回のポイントなんですよね。まずは2-bitで動かしてみて、足りなければQ4に上げる、という順番が現実的だと思います。
テキトー教師テキトー教師DotAI 認定講師
そうですね。メモリの見積もりだけは慎重に、というのが講座でも伝えたいところです。

Related

関連記事

New Articles

新着記事

ガイド

GoogleのAIモードとAIによる概要の消し方|公式オフ機能の有無とPC・スマホの回避策

2026年11月18日
室谷テキトー教師
ガイド

Azure OpenAI Serviceとは?料金・モデル一覧・データの扱いを最新情報で整理

2026年11月18日
室谷テキトー教師
ニュース

Perplexityの「Orchestrator API」とは?45以上のモデルを1つのAPIキーに統合

2026年11月18日
室谷テキトー教師
ニュース

Microsoftの「Copilot Workspaces」とは?人とエージェントが協働する新体験

2026年11月18日
室谷テキトー教師
ガイド

Geminiのファミリープランは何人まで?Google AI Proを家族で割る料金と設定の手順

2026年11月18日
室谷テキトー教師
ニュース

Microsoft MAIとは?Ignite 2026で発表の7モデルと料金

2026年11月18日
室谷テキトー教師
ニュース

Replit Missionsとは?エージェントスウォームで目標達成型の自律実行

2026年11月18日
室谷テキトー教師
ニュース

Copilot Fusion Maxとは?Terminal-Bench 4.1首位の自動モデル選択

2026年11月18日
室谷テキトー教師
ニュース

Googleの「Gemini Tasks」とは?日本でも無料開始、Gemini 4 Hydrogen搭載

2026年11月18日
室谷テキトー教師
ニュース

HeyGenの「Avatar 6」とは?実映像と見分け84.4%の最新アバター

2026年11月18日
室谷テキトー教師

Join

AIプレナーになる。

入会は審査制です。いまの事業と、AIで何を動かしたいのかを聞かせてください。

参加を申請する