MiniMax M2.5/M2.7 · 每美元性能
MiniMax M2.5/M2.7 — B300 vs H100 每美元性能
B300（NVIDIA Blackwell）与 H100（NVIDIA Hopper）在 MiniMax M2.5/M2.7 上的每百万 token 成本。基于所属云服务商 TCO 归一化的输出 token 性能——在各类 LLM 工作负载下的每美元性能。在每个目标交互性水平下选出更经济的 SKU。使用下方图表控件切换序列、精度和指标——交互方式与主推理图表相同。
在 41–117 tok/s/user 交互性区间的低端——即 60 tok/s/user 处——B300 运行 MiniMax M2.5/M2.7 每百万 token 成本为 $0.18，H100 为 $0.54。B300 便宜 196%。
在 MiniMax M2.5/M2.7 上以 79 tok/s/user 运行时，每百万 token 成本分别为：B300 $0.41、H100 $0.92；B300 每美元多产出 125% 的 token。
在 MiniMax M2.5/M2.7 上以 98 tok/s/user 运行时，B300 每百万 token 成本为 $0.59，H100 为 $1.57。B300 在此工作点上的成本效率高出 167%。 （数据反映此 URL 的默认 1k/1k · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
Chip 定价（所属云服务商）： B300 $2.26/chip/hr · H100 $1.17/chip/hr. 来源： SemiAnalysis Market July 2026 Pricing Surveys & AI Cloud TCO Model.
Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Dollar per Million Tokens | B300:$0.183H100:$0.542 | B300:$0.409H100:$0.921 | B300:$0.589H100:$1.569 |
| Concurrency | B300:~195H100:~41 | B300:~45H100:~18 | B300:~22H100:~9 |
推理性能
不同模型、硬件配置和服务参数下的推理性能指标。
厂商:
部署模式:
投机解码: