对比 GB200 NVL72（NVIDIA Blackwell）与 H100（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 →
当 MiniMax M3.1 Flash 428B 的目标交互性为 84 tok/s/user 时，GB200 NVL72 与 H100 的吞吐量分别为 52698 和 5732 tok/s/chip，每百万 token 成本分别为 $0.01 和 $0.06。GB200 NVL72 的成本效率高出 478%；GB200 NVL72 的单芯片吞吐量高出 819%。
以 152 tok/s/user 为目标运行 MiniMax M3.1 Flash 428B 时，GB200 NVL72 的吞吐量为 43465 tok/s/chip，每百万 token 成本为 $0.01；H100 的吞吐量为 4486 tok/s/chip，每百万 token 成本为 $0.07。GB200 NVL72 的成本效率高出 509%；GB200 NVL72 的单芯片吞吐量高出 869%。
220 tok/s/user 接近 17–288 tok/s/user 交互性区间的上限。在这一运行点，GB200 NVL72 运行 MiniMax M3.1 Flash 428B 的吞吐量为 28671 tok/s/chip，每百万 token 成本为 $0.02；H100 的吞吐量为 3595 tok/s/chip，每百万 token 成本为 $0.09。GB200 NVL72 的成本效率高出 402%；GB200 NVL72 的单芯片吞吐量高出 698%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB200 NVL72:52698.4H100:5732.4 | GB200 NVL72:43464.7H100:4486.1 | GB200 NVL72:28670.6H100:3594.6 |
| 成本（$/M tok） | GB200 NVL72:$0.010H100:$0.057 | GB200 NVL72:$0.012H100:$0.072 | GB200 NVL72:$0.018H100:$0.090 |
| tok/s/MW | GB200 NVL72:28180958H100:4184237 | GB200 NVL72:23243173H100:3274527 | GB200 NVL72:15331851H100:2623785 |
| 并发数 | GB200 NVL72:~32H100:~9 | GB200 NVL72:~26H100:~7 | GB200 NVL72:~16H100:~3 |
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。
