对比 B200（NVIDIA Blackwell）与 GB200 NVL72（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 →
在 MiniMax M3.1 Flash 428B 的 139 tok/s/user 运行点，B200 的吞吐量为 58986 tok/s/chip，每百万 token 成本为 $0.01；GB200 NVL72 的吞吐量为 46730 tok/s/chip，每百万 token 成本为 $0.01。B200 的成本效率高出 36%；B200 的单芯片吞吐量高出 26%。
当 MiniMax M3.1 Flash 428B 的目标交互性为 260 tok/s/user 时，B200 与 GB200 NVL72 的吞吐量分别为 26420 和 22841 tok/s/chip，每百万 token 成本分别为 $0.02 和 $0.02。B200 的成本效率高出 24%；B200 的单芯片吞吐量高出 16%。
以 381 tok/s/user 为目标运行 MiniMax M3.1 Flash 428B 时，B200 的吞吐量为 11733 tok/s/chip，每百万 token 成本为 $0.04；GB200 NVL72 的吞吐量为 12586 tok/s/chip，每百万 token 成本为 $0.04。每 token 成本基本持平；GB200 NVL72 的单芯片吞吐量高出 7%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B200:58986.4GB200 NVL72:46729.7 | B200:26420.0GB200 NVL72:22841.2 | B200:11732.5GB200 NVL72:12586.4 |
| 成本（$/M tok） | B200:$0.008GB200 NVL72:$0.011 | B200:$0.018GB200 NVL72:$0.023 | B200:$0.041GB200 NVL72:$0.041 |
| tok/s/MW | B200:34494965GB200 NVL72:24989145 | B200:15450308GB200 NVL72:12214560 | B200:6861115GB200 NVL72:6730669 |
| 并发数 | B200:~32GB200 NVL72:~28 | B200:~15GB200 NVL72:~12 | B200:~6GB200 NVL72:~6 |
不同模型、硬件配置和服务参数下，来自 AgentX 场景的智能体推理指标与固定序列推理指标。
当前选择没有可绘制的测量数据。请检查上方的基准测试设置，或调整快捷筛选。
