LLM Inference Benchmark Explorer
MiniMax-M3.1-Flash op DGX B300 — NVFP4, vLLM, TP2, speculatieve decodering k=8 inferentiebenchmark
Open deze configuratie in de LLM Inference Benchmark Explorer
| Model | MiniMax-M3.1-Flash |
|---|---|
| Parameters | 428B |
| Intelligence Index | — |
| Agentic Index | — |
| Apparaat | DGX B300 |
| Kwantisatie | NVFP4 |
| Max C | 128 |
| Chatcapaciteit | 192 |
| Agentische capaciteit | 48 |
| TP | 2 |
| DP | — |
| PP | — |
| Engine | vLLM |
| Speculatieve decodering | Ja |
| C | TTFT (ms) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 42 | 299.70 | PASS |
| 2 | 70 | 228.68 | PASS |
| 4 | 81 | 182.17 | PASS |
| 8 | 104 | 137.59 | PASS |
| 16 | 141 | 106.64 | PASS |
| 32 | 201 | 79.62 | PASS |
| 64 | 293 | 44.20 | PASS |
| 128 | 528 | 20.62 | PASS |
| 256 | 633 | 14.12 | FAIL |
In de meting van OpenZeka bereikte MiniMax-M3.1-Flash (428B parameters), aangeboden in NVFP4-formaat met vLLM en speculatieve decodering op DGX B300 (TP=2), met één verzoek een generatiesnelheid van 299.7 tok/s per verzoek en een time to first token (TTFT) van 42 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 192 gebruikers voor chatgebruik en 48 voor agentisch gebruik. De realistische capaciteit ligt waarschijnlijk tussen deze twee waarden. In scenario's waarin programmeren, toolgebruik, lange workflows en multi-agentgebruik overheersen, benadert de capaciteit de agentische schatting; waar kortere interacties, standaardgesprekken en lichtere taken overheersen, benadert zij de chatschatting.
Opmerkingen: DSpark k=8, 1M context. MXFP8 dense layers, NVFP4 experts. Model: MiniMaxAI/MiniMax-M3.1-Flash
De waarden van Intelligence Index en Agentic Index worden gepubliceerd door Artificial Analysis en worden hier met bronvermelding overgenomen.
In de meting van OpenZeka bereikte MiniMax-M3.1-Flash (428B parameters), aangeboden in NVFP4-formaat met vLLM en speculatieve decodering op DGX B300 (TP=2), met één verzoek een generatiesnelheid van 299.7 tok/s per verzoek en een time to first token (TTFT) van 42 ms.
Rekening houdend met de snelheidsdoelen en de beschikbare KV-cachecapaciteit, bedraagt de geschatte capaciteit 192 gebruikers voor chatgebruik en 48 voor agentisch gebruik. De realistische capaciteit ligt waarschijnlijk tussen deze twee waarden. In scenario's waarin programmeren, toolgebruik, lange workflows en multi-agentgebruik overheersen, benadert de capaciteit de agentische schatting; waar kortere interacties, standaardgesprekken en lichtere taken overheersen, benadert zij de chatschatting.