MiniMax M3.1 Flash 428B · 芯片对比
MiniMax M3.1 Flash 428B — GB200 NVL72 与 Vera Rubin NVL72
对比 GB200 NVL72（NVIDIA Blackwell）与 Vera Rubin NVL72（NVIDIA Vera Rubin）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 →
444 tok/s/user 接近 376–649 tok/s/user 交互性区间的下限。在这一运行点，GB200 NVL72 运行 MiniMax M3.1 Flash 428B 的吞吐量为 14,739 tok/s/chip，每百万 token 成本为 $0.035；Vera Rubin NVL72 的吞吐量为 154,491 tok/s/chip，每百万 token 成本为 $0.006。Vera Rubin NVL72 的每 token 成本低 81%；Vera Rubin NVL72 的单芯片吞吐量为对方的 10 倍。
将 MiniMax M3.1 Flash 428B 的目标交互性设为 513 tok/s/user 时，GB200 NVL72 的吞吐量为 9,169 tok/s/chip，每百万 token 成本为 $0.056；Vera Rubin NVL72 的吞吐量为 84,377 tok/s/chip，每百万 token 成本为 $0.012。Vera Rubin NVL72 的每 token 成本低 79%；Vera Rubin NVL72 的单芯片吞吐量为对方的 9.2 倍。
当 MiniMax M3.1 Flash 428B 的目标交互性为 581 tok/s/user 时，GB200 NVL72 的吞吐量为 8,074 tok/s/chip，每百万 token 成本为 $0.064；Vera Rubin NVL72 的吞吐量为 66,931 tok/s/chip，每百万 token 成本为 $0.015。Vera Rubin NVL72 的每 token 成本低 77%；Vera Rubin NVL72 的单芯片吞吐量为对方的 8.3 倍。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
数据由真实基准测试结果插值得出。调整下方的目标交互性数值，即可比较不同运行点。
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB200 NVL7214,739Vera Rubin NVL72154,491 | GB200 NVL729,169Vera Rubin NVL7284,377 | GB200 NVL728,074Vera Rubin NVL7266,931 |
| 成本（$/M tok） | GB200 NVL72$0.035Vera Rubin NVL72$0.006 | GB200 NVL72$0.056Vera Rubin NVL72$0.012 | GB200 NVL72$0.064Vera Rubin NVL72$0.015 |
| tok/s/MW | GB200 NVL727,881,586Vera Rubin NVL7246,815,483 | GB200 NVL724,903,474Vera Rubin NVL7225,568,899 | GB200 NVL724,317,880Vera Rubin NVL7220,282,257 |
| 并发数 | GB200 NVL72~7Vera Rubin NVL72~204 | GB200 NVL72~3Vera Rubin NVL72~124 | GB200 NVL72~2Vera Rubin NVL72~77 |