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 $0.066。B200 的每 token 成本低 20%;B300 的单芯片吞吐量高出 5%。 (以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | B20062,632B30080,440 | B20024,075B30028,909 | B2009,072B3009,522 |
| 成本($/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 |