跳转至

MiniMax-M2.7 引导流程

MiniMaxAI/MiniMax-M2.7（FP8）已在 v0.2.13 升级中作为第三个经治理批准的推理模型加入。本文档说明如何在引导阶段尽量减少权重减少的风险，无论该模型在首次尝试时是否获得足够多的参与者。

有关当前部署默认设置（包括 node-config.json），请参阅主机快速入门。有关多模型 PoC 机制的更广泛背景，请参阅多模型 PoC。先前模型的引导及其机制记录在Kimi K2.6 引导流程中。

Note

引导过程可能持续多个纪元，具体取决于准备就绪的参与者数量。在配置的惩罚纪元之前，只要参与者明确提交了选择，并且计划部署的主机提交了 PoCIntent，就不会发生权重减少。

时间线

对未参与 MiniMax-M2.7 的惩罚从 纪元 278 开始。从升级激活后的每个纪元起，链都会尝试引导该模型：在该纪元 PoC 阶段前 500 个区块（即 DeployWindow）内生成一个 BootstrapDelegationSnapshot，根据 V_min = 3 个直接提交者以及占全网总权重 W_threshold 比例且通过 INTENT + DELEGATE 实现 >2/3 可达性的条件进行预资格评估；若满足预资格，则在该纪元启动 MiniMax 的 PoC。

当前 W_threshold 是一个治理参数——应从链上读取该值，而非硬编码（该值已由 GIP-48 从 0.3 降至 0.1，未来可能再次调整）：```bash curl -s "https://node3.gonka.ai/chain-api/productscience/inference/inference/params" \ | jq '.params.delegation_params.w_threshold'

{value, exponent} encodes a decimal: e.g. {"value":"1","exponent":-1} → 0.1 (10%).

要计算任意给定评估周期的确切区块编号，应以链的当前周期为锚点进行向前推算。`epoch_shift` 参数不能锚定到创世块（由于过去周期长度的变化，该值会过时），因此在主网上使用 `epoch_shift + N * epoch_length` 是错误的——始终应以当前实时的 PoC_start 为锚点。bash NODE=https://node3.gonka.ai

PARAMS=$(curl -s "$NODE/chain-api/productscience/inference/inference/params") EPOCH_LENGTH=$(echo "$PARAMS" | jq -r '.params.epoch_params.epoch_length | tonumber')

CURRENT=$(curl -s "$NODE/v1/epochs/current/participants" | jq '.active_participants') CURRENT_EPOCH=$(echo "$CURRENT" | jq -r '.epoch_id') CURRENT_POC_START=$(echo "$CURRENT" | jq -r '.poc_start_block_height')

EPOCH=278 # change to any target epoch POC_START=$(( CURRENT_POC_START + (EPOCH - CURRENT_EPOCH) * EPOCH_LENGTH )) SNAPSHOT_BLOCK=$(( POC_START - 500 ))

echo "Epoch $EPOCH (current $CURRENT_EPOCH): snapshot at block $SNAPSHOT_BLOCK, PoC starts at block $POC_START" ```当参与的节点及其委托满足门槛要求时，MiniMax 将在最早的 epoch 获得预资格。

可能出现的情况

MiniMax-M2.7 的启动可能遵循以下主要场景：

  1. MiniMax 在某个 epoch 的快照中未通过预评估（并在 PoC 阶段仍不具备资格）：

  2. 所有提交了 PoCIntent 的参与者保留其全部权重（不受惩罚）

  3. 所有提交了 PoCDelegation / PoCRefusal 的参与者保留其全部权重（不受惩罚）
  4. 在 epoch 278 之前：未进行任何操作的参与者也保留其全部权重（宽限期期间不执行惩罚）
  5. 从 epoch 278 开始：未进行任何操作的参与者每错过一个模型，每个 epoch 将损失 15% 的权重

=> 因此，在 epoch 278 之前明确发送交易以表明您的意图至关重要

  1. MiniMax 通过预评估但在 PoC 阶段未获得资格（例如，某个 INTENT 节点未能及时部署）：

  2. 在该 epoch 实际部署了 MiniMax-M2.7 并提交了 MiniMax PoC 提交记录的节点，保留其现有模型组的全部权重（不受惩罚）

  3. 所有提交了 PoCDelegation / PoCRefusal 的参与者保留其全部权重（不受惩罚）
  4. 从 epoch 278 开始：未进行任何操作的参与者损失 15% 的权重，而提交了 MiniMax PoCIntent 但未部署且未提交 MiniMax PoC 提交记录的参与者也同样损失 15% 的权重（按 IntentMissed 处理）

如果 MiniMax 通过了上述两项检查，惩罚机制将遵循 多模型 PoC 中描述的常规情况。

硬件资格要求

MiniMax-M2.7（FP8）每个实例大约需要 320 GB 的总 VRAM —— 相较于 Kimi K2.6 或 Qwen3-235B（根据节点快速入门参考配置均需 ≥640 GB 每实例）显著降低。实际影响如下：

  • A100 80GB 拥有者：MiniMax-M2.7 是首个符合 A100 80GB 规格的治理批准模型。如果您此前无法运行 Kimi 或 Qwen-235B，现在可以通过 MiniMax 获得共识权重。推荐配置：8×A100 80GB，使用 tp=4（每台主机运行两个实例）或 tp=8（每台主机运行一个实例）。
  • H100 / H200 拥有者：MiniMax-M2.7 在共识输出方面与 Qwen3-235B 相当（根据工作负载略有上下浮动几个百分点），且在 v0.2.13 版本对 Kimi 系数调整后明显优于 Kimi K2.6。建议从 Kimi 切换至 MiniMax；此前运行 Qwen3-235B 的主机必须切换至 MiniMax，因为 Qwen3-235B 已由治理（提案 78）退役。
  • B200 / B300 拥有者：MiniMax-M2.7 运行良好，但在旗舰硬件上 Kimi K2.6 仍保持微弱的共识输出领先。若已运行 Kimi，则无需更改。

计划部署 MiniMax-M2.7 的节点操作指南

1. 向链上发送 `PoCIntent````bash

export NODE=https://node3.gonka.ai/chain-rpc/ ./inferenced tx inference declare-poc-intent MiniMaxAI/MiniMax-M2.7 \ --from gonka-api-key \ --node "$NODE" \ --chain-id gonka-mainnet \ --keyring-backend file \ --gas auto \ --gas-adjustment 1.3 \ -y ```#### 2. 预下载权重并验证可部署性

MiniMax-M2.7 FP8 权重文件大小约为 230 GB，请合理规划磁盘空间和带宽。请参考以下指南，使用下方指定的仓库和提交记录 预下载模型权重：

  • hf_repo：MiniMaxAI/MiniMax-M2.7
  • hf_commit：d494266a4affc0d2995ba1fa35c8481cbd84294b

在引导快照区块之前，请先验证模型能否在您的硬件上成功加载。该链通过 Model.ModelArgs 注册 MiniMax 模型：--enable-auto-tool-choice --max-model-len 180000 --kv-cache-dtype fp8 --tool-call-parser minimax_m2 --reasoning-parser minimax_m2_append_think#### 3. 等待下一次评估周期并检查预资格

在每次评估周期的快照区块之后，链会发出一个 bootstrap_model_preeligibility 事件：```bash NODE=https://node3.gonka.ai MODEL='MiniMaxAI/MiniMax-M2.7'

HEIGHT=$(curl -sG "$NODE/chain-rpc/block_search" \ --data-urlencode "query=\"bootstrap_model_preeligibility.model_id='$MODEL'\"" \ | jq -r '[.result.blocks[].block.header.height|tonumber]|max')

echo "Latest snapshot at height $HEIGHT"

curl -s "$NODE/chain-rpc/block_results?height=$HEIGHT" \ | jq --arg m "$MODEL" ' .result.finalize_block_events[] | select(.type=="bootstrap_model_preeligibility") | (.attributes | from_entries) as $a | select($a.model_id==$m) | $a' ``关键属性是pre_eligible。如果其值为true，表示该链将在本 epoch 运行 MiniMax PoC，你应准备部署。辅助字段显示了通过了哪三项检查：meets_v_min（≥V_min个直接表达意向的参与者）、meets_weight_threshold（意向权重 ≥total_network_weight的W_threshold）和meets_reachability（意向加上委托的reachable_voting_power覆盖了>2/3）。intent_host_count和intent_weight` 显示了本 epoch 的直接意向覆盖情况。

4. 若预符合条件，则切换模型至 MiniMax-M2.7

在 8×A100 80GB（tp=4，每台主机运行两个实例）上部署 MiniMax-M2.7 的示例命令：bash curl -X POST http://localhost:9200/admin/v1/nodes \ -H "Content-Type: application/json" \ -d '{ "id": "<NODE_ID>", "host": "<NODE_IP>", "inference_port": 5050, "poc_port": 8080, "max_concurrent": 500, "models": { "MiniMaxAI/MiniMax-M2.7": { "args": [ "--tensor-parallel-size", "4", "--enable-expert-parallel", "--trust-remote-code", "--mm-encoder-tp-mode", "data", "--enable-auto-tool-choice", "--max-model-len", "180000", "--kv-cache-dtype", "fp8", "--tool-call-parser", "minimax_m2", "--reasoning-parser", "minimax_m2_append_think", "--gpu-memory-utilization", "0.95", "--max-num-seqs", "128" ] } } }'对于 4×B200 / 8×B200 的部署，请根据吞吐量需求选择使用 --tensor-parallel-size 2（每个 8×B200 节点运行两个实例）或 --tensor-parallel-size 4（每个节点运行一个实例）。Model.ModelArgs 的配置应尽可能精简；部署时的参数（如 --tensor-parallel-size、--gpu-memory-utilization、--max-num-seqs 等）由运维人员根据实际情况决定。

5. 验证您的部署

gonka 仓库 提供了一个名为 mlnode-validate 的代理技能，可用于将已部署的 ML 节点与特定模型的预计算诚实 PoC 向量进行比对验证。对于 MiniMax M2.7 模型，已提交的黄金参考数据为 mlnode/packages/benchmarks/scripts/poc_validation/artifacts/minimaxai-minimax-m2.7.json（包含 200 个向量，记录于 2×H200 环境）。此外，还提供了适用于 4×A100、4×H100、2×H200 和 2×B200 的现成 deploy/join/ 配置文件。详见 验证 ML 节点部署 和 skills/mlnode-validate/SKILL.md。

不打算部署 MiniMax-M2.7 的主机操作说明

1. 检查是否信任已部署 MiniMax 模型或已发送 PoCIntent 的主机```python

import time import requests from requests.adapters import HTTPAdapter from urllib3.util.retry import Retry

NODE = "https://node3.gonka.ai" MODEL = "MiniMaxAI/MiniMax-M2.7" TIMEOUT = 60 DELAY = 0.15

def session(): s = requests.Session() # Retry transient 5xx (node3 returns 503 for some poc_delegation lookups # under load) so a single hiccup does not silently drop a participant # from the result. retry = Retry( total=5, backoff_factor=0.5, status_forcelist=(502, 503, 504), allowed_methods=("GET",), ) s.mount("https://", HTTPAdapter(max_retries=retry)) s.headers["Connection"] = "close" return s

def weight(p): # weight may be 0, missing, or literally null — all mean "no voting weight". return int(p.get("weight") or 0)

def get_json(s, url): r = s.get(url, timeout=TIMEOUT) r.raise_for_status() return r.json()

s = session()

participants = get_json(s, f"{NODE}/v1/epochs/current/participants")[ "active_participants" ]["participants"]

intents = [] with_minimax_model = [] skipped = [] # participants whose poc_delegation lookup failed after retries

for p in participants: addr = p["index"] w = weight(p) if MODEL in (p.get("models") or []): with_minimax_model.append((addr, w))

try:
    resp = get_json(
        s,
        f"{NODE}/chain-api/productscience/inference/inference/poc_delegation/{addr}",
    )
except requests.RequestException as e:
    skipped.append((addr, w, str(e)))
    time.sleep(DELAY)
    continue

for i in resp.get("intents") or []:
    if i.get("model_id") == MODEL:
        intents.append((addr, w))
time.sleep(DELAY)

total = sum(weight(p) for p in participants) intent_weight = sum(w for _, w in intents)

nonzero_intents = [(a, w) for a, w in intents if w > 0] zero_intents = [(a, w) for a, w in intents if w == 0]

print(f"Active participants: {len(participants)}") print(f"With {MODEL} in models[]: {len(with_minimax_model)} (not same as intent)") print() print("Intent from (PoCDirectIntent on chain):") for addr, w in nonzero_intents: print(f" {addr} : {w}") if zero_intents: print() print("Zero-weight intents (count toward V_min, contribute 0 to W_threshold):") for addr, _ in zero_intents: print(f" {addr} : 0") print() print(f"Intent weight: {intent_weight} / {total}") if total: print(f"Intent share: {100.0 * intent_weight / total:.2f}%") if skipped: print() print(f"Skipped {len(skipped)} participants after retries (intent may be undercounted):") for addr, w, err in skipped: print(f" {addr} (weight={w}): {err}") ```#### 2. 发送委派或拒绝

委派：bash export NODE=https://node3.gonka.ai/chain-rpc/ ./inferenced tx inference set-poc-delegation MiniMaxAI/MiniMax-M2.7 <DELEGATEE> \ --from gonka-account-key \ --node "$NODE" \ --chain-id gonka-mainnet \ --keyring-backend file \ --gas auto \ --gas-adjustment 1.3 \ -y拒绝：bash export NODE=https://node3.gonka.ai/chain-rpc/ ./inferenced tx inference refuse-poc-delegation MiniMaxAI/MiniMax-M2.7 \ --from gonka-account-key \ --node "$NODE" \ --chain-id gonka-mainnet \ --keyring-backend file \ --gas auto \ --gas-adjustment 1.3 \ -y