MiniMax M3.1 Flash 428B · 芯片对比

MiniMax M3.1 Flash 428B — B200 与 H200

对比 B200(NVIDIA Blackwell)与 H200(NVIDIA Hopper)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 →

将 MiniMax M3.1 Flash 428B 的目标交互性设为 115 tok/s/user 时,B200 的吞吐量为 85,052 tok/s/chip,每百万 token 成本为 $0.006;H200 的吞吐量为 8,694 tok/s/chip,每百万 token 成本为 $0.039。B200 的每 token 成本低 86%;B200 的单芯片吞吐量为对方的 9.8 倍。

当 MiniMax M3.1 Flash 428B 的目标交互性为 175 tok/s/user 时,B200 的吞吐量为 75,264 tok/s/chip,每百万 token 成本为 $0.006;H200 的吞吐量为 6,141 tok/s/chip,每百万 token 成本为 $0.055。B200 的每 token 成本低 88%;B200 的单芯片吞吐量为对方的 12 倍。

在 MiniMax M3.1 Flash 428B 的 234 tok/s/user 运行点,B200 的吞吐量为 47,162 tok/s/chip,每百万 token 成本为 $0.010;H200 的吞吐量为 3,789 tok/s/chip,每百万 token 成本为 $0.089。B200 的每 token 成本低 89%;B200 的单芯片吞吐量为对方的 12 倍。 (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 →

B200 vs H200: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)
B20085,052H2008,694
B20075,264H2006,141
B20047,162H2003,789
成本($/M tok)
B200$0.006H200$0.039
B200$0.006H200$0.055
B200$0.010H200$0.089
tok/s/MW
B20049,738,022H2006,346,151
B20044,013,781H2004,482,177
B20027,580,350H2002,765,697
并发数
B200~53H200~14
B200~44H200~7
B200~25H200~4