MiniMax M3.1 Flash 428B · 芯片对比

MiniMax M3.1 Flash 428B — B200 与 B300

对比 B200(NVIDIA Blackwell)与 B300(NVIDIA Blackwell)在 MiniMax M3.1 Flash 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 →

当 MiniMax M3.1 Flash 428B 的目标交互性为 200 tok/s/user 时,B200 的吞吐量为 62,632 tok/s/chip,每百万 token 成本为 $0.008;B300 的吞吐量为 80,440 tok/s/chip,每百万 token 成本为 $0.008。B200 的每 token 成本低 2%;B300 的单芯片吞吐量高出 28%。

在 MiniMax M3.1 Flash 428B 的 344 tok/s/user 运行点,B200 的吞吐量为 24,075 tok/s/chip,每百万 token 成本为 $0.020;B300 的吞吐量为 28,909 tok/s/chip,每百万 token 成本为 $0.022。B200 的每 token 成本低 8%;B300 的单芯片吞吐量高出 20%。

当 MiniMax M3.1 Flash 428B 的目标交互性为 488 tok/s/user 时,B200 与 B300 的吞吐量分别为 9,072 和 9,522 tok/s/chip,每百万 token 成本分别为 $0.053 和 $0.066。B200 的每 token 成本低 20%;B300 的单芯片吞吐量高出 5%。 (以上数据基于此 URL 对应的默认 agentic-traces · fp4 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。)

查看每美元性能对比 →

B300 vs B200:完整规格与各模型基准测试 →

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)
B20062,632B30080,440
B20024,075B30028,909
B2009,072B3009,522
成本($/M tok)
B200$0.008B300$0.008
B200$0.020B300$0.022
B200$0.053B300$0.066
tok/s/MW
B20036,626,868B30042,337,088
B20014,078,995B30015,215,292
B2005,305,218B3005,011,717
并发数
B200~33B300~47
B200~13B300~16
B200~4B300~4