在 Qwen3.5 上，B300 FP4 的每美元性能是 H100 的 12 倍。

这个数字代表什么，又不代表什么

这里同时有两个变量在变，读数时都要考虑。第一是四年的硬件迭代；第二是数值格式：该对比跨越 FP4 与 FP8，并没有固定精度。这样比较反映的是运营方今天在各款硬件上实际能部署的方案，是诚实的口径，但它并不是只针对硅片本身的受控实验。

工作负载同样重要。这不是 8k1k。Qwen3.5 的原生最大上下文长度为 262k token，因此 AgentX 对它回放的是截断到 256k 的 agentic 数据集，这意味着频繁的上下文压缩和大量前缀复用。在长上下文多轮回放上测得的比值，与在互相独立的短提示词上测得的同一比值，是两种不同的结论，而前者更接近真实的生产编码流量。

请按你自己的运行点来读

12 倍的总体比值是一个标题，而不是部署方案。真正承载决策的是曲线：先确定你的产品需要的交互性，在该点读取每套系统的表现，并在同一点核对首 token 延迟，然后再下结论。

这也是各模型的 AgentX 图表默认展示完整前沿、而不是单个数字的原因。较老的硬件可能在低并发下于每美元性能上仍有竞争力，却在高吞吐区间完全掉队；单一比值无法同时表达这条曲线的两端。

本文结果只是 AgentX 1.0 的一个切面。完整分析、回放方法，以及该基准测试推动的 70 多个上游 PR，请见 AgentX - InferenceXv3：CUDA 护城河在 agentic 推理中还站得住吗？。每个数据点都可以在免费仪表板上自行探索。