MiniMax M3.1 Flash 428B · 芯片对比
MiniMax M3.1 Flash 428B — GB300 NVL72 与 Vera Rubin NVL72
对比 GB300 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 →
将 MiniMax M3.1 Flash 428B 的目标交互性设为 446 tok/s/user 时，GB300 NVL72 的吞吐量为 13,714 tok/s/chip，每百万 token 成本为 $0.047；Vera Rubin NVL72 的吞吐量为 151,681 tok/s/chip，每百万 token 成本为 $0.007。Vera Rubin NVL72 的每 token 成本低 86%；Vera Rubin NVL72 的单芯片吞吐量为对方的 11 倍。
当 MiniMax M3.1 Flash 428B 的目标交互性为 517 tok/s/user 时，GB300 NVL72 的吞吐量为 8,993 tok/s/chip，每百万 token 成本为 $0.071；Vera Rubin NVL72 的吞吐量为 83,149 tok/s/chip，每百万 token 成本为 $0.012。Vera Rubin NVL72 的每 token 成本低 83%；Vera Rubin NVL72 的单芯片吞吐量为对方的 9.2 倍。
在 MiniMax M3.1 Flash 428B 的 587 tok/s/user 运行点，GB300 NVL72 的吞吐量为 8,625 tok/s/chip，每百万 token 成本为 $0.074；Vera Rubin NVL72 的吞吐量为 65,706 tok/s/chip，每百万 token 成本为 $0.015。Vera Rubin NVL72 的每 token 成本低 79%；Vera Rubin NVL72 的单芯片吞吐量为对方的 7.6 倍。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
数据由真实基准测试结果插值得出。调整下方的目标交互性数值，即可比较不同运行点。
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB300 NVL7213,714Vera Rubin NVL72151,681 | GB300 NVL728,993Vera Rubin NVL7283,149 | GB300 NVL728,625Vera Rubin NVL7265,706 |
| 成本（$/M tok） | GB300 NVL72$0.047Vera Rubin NVL72$0.007 | GB300 NVL72$0.071Vera Rubin NVL72$0.012 | GB300 NVL72$0.074Vera Rubin NVL72$0.015 |
| tok/s/MW | GB300 NVL726,468,741Vera Rubin NVL7245,963,814 | GB300 NVL724,241,808Vera Rubin NVL7225,196,515 | GB300 NVL724,068,466Vera Rubin NVL7219,910,996 |
| 并发数 | GB300 NVL72~6Vera Rubin NVL72~200 | GB300 NVL72~4Vera Rubin NVL72~121 | GB300 NVL72~2Vera Rubin NVL72~74 |