MiniMax M3.1 Flash 428B · 芯片对比
MiniMax M3.1 Flash 428B — B300 与 H200
对比 B300(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 →
112 tok/s/user 接近 52–294 tok/s/user 交互性区间的下限。在这一运行点,B300 运行 MiniMax M3.1 Flash 428B 的吞吐量为 135,599 tok/s/chip,每百万 token 成本为 $0.005;H200 的吞吐量为 8,815 tok/s/chip,每百万 token 成本为 $0.038。B300 的每 token 成本低 88%;B300 的单芯片吞吐量为对方的 15 倍。
将 MiniMax M3.1 Flash 428B 的目标交互性设为 173 tok/s/user 时,B300 的吞吐量为 96,753 tok/s/chip,每百万 token 成本为 $0.006;H200 的吞吐量为 6,223 tok/s/chip,每百万 token 成本为 $0.054。B300 的每 token 成本低 88%;B300 的单芯片吞吐量为对方的 16 倍。
当 MiniMax M3.1 Flash 428B 的目标交互性为 233 tok/s/user 时,B300 的吞吐量为 65,960 tok/s/chip,每百万 token 成本为 $0.010;H200 的吞吐量为 3,830 tok/s/chip,每百万 token 成本为 $0.088。B300 的每 token 成本低 89%;B300 的单芯片吞吐量为对方的 17 倍。 (以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | B300135,599H2008,815 | B30096,753H2006,223 | B30065,960H2003,830 |
| 成本($/M tok) | B300$0.005H200$0.038 | B300$0.006H200$0.054 | B300$0.010H200$0.088 |
| tok/s/MW | B30071,367,829H2006,434,555 | B30050,922,551H2004,542,591 | B30034,715,575H2002,795,382 |
| 并发数 | B300~48H200~14 | B300~59H200~7 | B300~36H200~4 |