对比 B200（NVIDIA Blackwell）与 GB300 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 →
当 MiniMax M3.1 Flash 428B 的目标交互性为 139 tok/s/user 时，B200 与 GB300 NVL72 的吞吐量分别为 58986 和 57954 tok/s/chip，每百万 token 成本分别为 $0.01 和 $0.01。B200 的成本效率高出 36%；B200 的单芯片吞吐量高出 2%。
以 260 tok/s/user 为目标运行 MiniMax M3.1 Flash 428B 时，B200 的吞吐量为 26420 tok/s/chip，每百万 token 成本为 $0.02；GB300 NVL72 的吞吐量为 23583 tok/s/chip，每百万 token 成本为 $0.03。B200 的成本效率高出 50%；B200 的单芯片吞吐量高出 12%。
381 tok/s/user 接近 19–502 tok/s/user 交互性区间的上限。在这一运行点，B200 运行 MiniMax M3.1 Flash 428B 的吞吐量为 11733 tok/s/chip，每百万 token 成本为 $0.04；GB300 NVL72 的吞吐量为 13571 tok/s/chip，每百万 token 成本为 $0.05。B200 的成本效率高出 15%；GB300 NVL72 的单芯片吞吐量高出 16%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B200:58986.4GB300 NVL72:57953.6 | B200:26420.0GB300 NVL72:23583.3 | B200:11732.5GB300 NVL72:13571.1 |
| 成本（$/M tok） | B200:$0.008GB300 NVL72:$0.011 | B200:$0.018GB300 NVL72:$0.027 | B200:$0.041GB300 NVL72:$0.047 |
| tok/s/MW | B200:34494965GB300 NVL72:27336609 | B200:15450308GB300 NVL72:11124193 | B200:6861115GB300 NVL72:6401464 |
| 并发数 | B200:~32GB300 NVL72:~32 | B200:~15GB300 NVL72:~13 | B200:~6GB300 NVL72:~7 |
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。
