MiniMax M3 428B · 芯片对比
MiniMax M3 428B — H100 与 H200
对比 H100(NVIDIA Hopper)与 H200(NVIDIA Hopper)在 MiniMax M3 428B 上的 AI 推理基准测试结果,涵盖不同 LLM 工作负载下的延迟、吞吐量和成本。可通过下方图表控件切换序列长度、精度和指标,操作方式与主推理图表相同。
AgentX 回放真实的 coding agent 会话,而非定长 prompt。随着会话轮次增加,上下文不断增长;每个请求的大部分内容都可直接从 cache 读取,无需重新计算。因此,这项对比不仅取决于芯片本身的吞吐量,还会受到跨节点 KV 传输、prefix-aware routing 和 cache 容量等系统因素影响。定长序列工作负载仍是衡量 kernel 与芯片性能的清晰基线;两种场景从不同角度回答同一硬件的性能问题。 进一步了解 AgentX →
以 73 tok/s/user 为目标运行 MiniMax M3 428B 时,H100 的吞吐量为 583 tok/s/chip,每百万 token 成本为 $0.56;H200 的吞吐量为 8,926 tok/s/chip,每百万 token 成本为 $0.038。H200 的每 token 成本低 93%;H200 的单芯片吞吐量为对方的 15 倍。
143 tok/s/user 位于 4–281 tok/s/user 交互性区间的中段。在这一运行点,H100 运行 MiniMax M3 428B 的吞吐量为 583 tok/s/chip,每百万 token 成本为 $0.56;H200 的吞吐量为 7,811 tok/s/chip,每百万 token 成本为 $0.043。H200 的每 token 成本低 92%;H200 的单芯片吞吐量为对方的 13 倍。
将 MiniMax M3 428B 的目标交互性设为 212 tok/s/user 时,H100 的吞吐量为 583 tok/s/chip,每百万 token 成本为 $0.56;H200 的吞吐量为 3,892 tok/s/chip,每百万 token 成本为 $0.087。H200 的每 token 成本低 84%;H200 的单芯片吞吐量为对方的 6.7 倍。 (以上数据基于此 URL 对应的默认 agentic-traces · fp8 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | H100583H2008,926 | H100583H2007,811 | H100583H2003,892 |
| 成本($/M tok) | H100$0.56H200$0.038 | H100$0.56H200$0.043 | H100$0.56H200$0.087 |
| tok/s/MW | H100425,237H2006,515,256 | H100425,237H2005,701,247 | H100425,237H2002,840,858 |
| 并发数 | H100~1H200~14 | H100~1H200~11 | H100~1H200~4 |