MiniMax M3.1 Flash 428B · 芯片对比
MiniMax M3.1 Flash 428B — H200 与 Vera Rubin NVL72
对比 H200（NVIDIA Hopper）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 →
当 MiniMax M3.1 Flash 428B 的目标交互性为 308 tok/s/user 时，H200 的吞吐量为 2,394 tok/s/chip，每百万 token 成本为 $0.14；Vera Rubin NVL72 的吞吐量为 254,869 tok/s/chip，每百万 token 成本为 $0.004。Vera Rubin NVL72 的每 token 成本低 97%；Vera Rubin NVL72 的单芯片吞吐量为对方的 106 倍。
在 MiniMax M3.1 Flash 428B 的 607 tok/s/user 运行点，H200 的吞吐量为 2,394 tok/s/chip，每百万 token 成本为 $0.14；Vera Rubin NVL72 的吞吐量为 61,932 tok/s/chip，每百万 token 成本为 $0.016。Vera Rubin NVL72 的每 token 成本低 89%；Vera Rubin NVL72 的单芯片吞吐量为对方的 26 倍。
当 MiniMax M3.1 Flash 428B 的目标交互性为 906 tok/s/user 时，H200 与 Vera Rubin NVL72 的吞吐量分别为 2,394 和 32,135 tok/s/chip，每百万 token 成本分别为 $0.14 和 $0.031。Vera Rubin NVL72 的每 token 成本低 78%；Vera Rubin NVL72 的单芯片吞吐量为对方的 13 倍。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
数据由真实基准测试结果插值得出。调整下方的目标交互性数值，即可比较不同运行点。
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | H2002,394Vera Rubin NVL72254,869 | H2002,394Vera Rubin NVL7261,932 | H2002,394Vera Rubin NVL7232,135 |
| 成本（$/M tok） | H200$0.14Vera Rubin NVL72$0.004 | H200$0.14Vera Rubin NVL72$0.016 | H200$0.14Vera Rubin NVL72$0.031 |
| tok/s/MW | H2001,747,420Vera Rubin NVL7277,232,975 | H2001,747,420Vera Rubin NVL7218,767,203 | H2001,747,420Vera Rubin NVL729,737,835 |
| 并发数 | H200~1Vera Rubin NVL72~640 | H200~1Vera Rubin NVL72~63 | H200~1Vera Rubin NVL72~11 |