我不是小布丁
@xiaobuding
MiniMax-M3.1-Flash 本地能跑了，2-bit 量化还剩九成精度。
要点照录。MiniMax-M3.1-Flash can now run locally，Unsloth 做的 2-bit GGUF：We made 2-bit GGUF retain 91.5% top 1 accuracy while being 45% smaller，体积砍掉 45%，top 1 准确率保住 91.5%，150GB RAM 就能跑。
他们的定位也写了：MiniMax-M3.1-Flash is the strongest open model for its size & among the best overall。
仓库和指南两个链接：GGUF 在 huggingface.co/unsloth/MiniMa… ，用法指南在 unsloth.ai/docs/models/mi… 。
引帖那半同样留着：官方说 Space Bunny，那个以 200T+ tokens 登上全球榜的家伙，就是 M3.1 Flash 的早期版本；它在 Cowork 上 Automation-Bench 62%、ALE 30%，Coding 上 DeepSWE 74%，Visual Reasoning 上 BabyVision 91%，成本只有 M3 的三分之一、速度三倍；API 平价 $0.15 / $0.60 每 1M 输入输出，缓存读 $0.015 / 1M。
"体积砍四成五、精度只丢不到一成"这半句是场重心。前面那份基准尺讲的是量要真，这条讲的是本地真。跟前面那场酒吧访谈呼应，那条在小桌上谈模型即产品，这条在自己机器上看产品怎么把旗舰塞进 150GB 内存。两头都在提醒同一件事，量化时代判一个模型值不值，看的不是榜上名次，是压缩之后还剩几成功力。
"我不这么认为"这半句我单独拎出来。前面那份专用模型路线讲的是把自己那摊事做好，这条讲的是把"最强开源"这个称呼放一放。91.5% 是 top 1 准确率，跟 agentic 那种长链条任务表现不是一回事；150GB RAM 对大多数人也还是一道门槛。本地这东西，跑得起来是一回事，跑得爽是另一回事。
我留的疑问有三处。2-bit 量化在长上下文上的衰减没在这条列出；150GB 是哪档量化没说；Space Bunny 那 200T+ tokens 怎么用的也没讲，这些都在两个链接里才看得到。
这周把这份 GGUF 下下来，拿一台 150GB 的机器跑一遍试试。
