摘要： Together AI 在 2026 年 10 月 23 日的 changelog 中宣布，MiniMaxAI/MiniMax-M3.1-Flash 已可用於其後訓練服務，支援 LoRA 訓練。這代表你不再只是呼叫 API，而是能用自己的資料、獎勵函數和環境，把這個百萬級上下文模型調整成你需要的 agent 形態。
這次開放了什麼
根據 Together AI 的 changelog，M3.1 Flash 在 B200-SXM GPU 上提供 LoRA 訓練，訓練與抽樣的上下文長度都是 262,144 個 token，LoRA rank 上限 32，每個資源最多三個 adapter session。官方帳號在 X 上的貼文特別強調：訓練迴圈保留在你自己的 Python 程式碼裡，你可以跑 SFT 或 RL，搭配自己的資料、獎勵和環境。
我先前在這篇 M3.1 Flash 的拆解寫過它的 1M 上下文與 effort 控制在推論端的表現。當時它是一個「拿來用」的模型；現在它變成一個「拿來改」的模型。
訓練迴圈在你手上，重活在外部 GPU
Together AI 的後訓練架構和一般上傳資料集等結果的微調服務不同：你的程式碼驅動每一步，外部 GPU 只負責重的運算。每個訓練步驟大致長這樣：
result = session.trainer.forward_backward(
samples=[sample],
loss={"type": "LOSS_TYPE_CROSS_ENTROPY"},
)
session.trainer.optim_step(adam_params={"learning_rate": 1e-4})如果你走 RL 路線，每一步開始時 GPU 會先生成補全，由你的程式碼打分，這些帶分數的補全就成為訓練批次。官方文件指出這讓你能訓練多輪、會呼叫工具的 agent——只要任務的結果可以被檢查，你就能訓練，即使你寫不出訓練範例。
對想做 agent 的團隊，這是實際的差別：你可以針對整個 episode 打分，而不是對單輪回覆做 SFT。計費方式是每 GPU 分鐘，不是每 token，所以成本模型和一般微調完全不同，跑長 episode 的 RL 時要先估算清楚。
幾個動手前的注意事項
從支援模型目錄來看，M3.1 Flash 只支援 LoRA，不支援全參數訓練，建立 session 時要記得設 lora_enabled=True。另外要注意 Max context（262,144）和 Generator context（262,144）一致，但 RL 的 rollout 仍須控制在訓練器的上限內，否則 forward_backward 會拒收過長樣本。
官方文件也建議先用 Qwen3.8 27B 把訓練迴圈跑通，再換成 M3.1 Flash——小模型跑失敗比大模型便宜得多。每個資源同時只能掛三個 LoRA session，做超參數掃描時要規劃一下。
訓練完成後的 checkpoint 可以直接部署到 dedicated endpoint，或用 Multi-LoRA 部署把多個 adapter 掛在同一個基底部署上做比較。下一步建議：先從官方 cookbook 挑一個貼近你任務的 recipe 起步，等確認訓練訊號有效，再換成自己的獎勵函數。
參考來源
- Together AI on X: minimax m3.1 flash is now available for post-training on together ai run sft or
- Supported models - Together AI docs
- Overview - Together AI docs
- Changelog - Together AI docs
在 X 上查看原貼文