GLM 5.3 744B — B200 vs GB300 NVL72 每美元性能
B200（NVIDIA Blackwell）与 GB300 NVL72（NVIDIA Blackwell）在 GLM 5.3 744B 上的每百万 token 成本。基于所属云服务商 TCO 归一化的输出 token 性能——在各类 LLM 工作负载下的每美元性能。在每个目标交互性水平下选出更经济的 SKU。使用下方图表控件切换序列、精度和指标——交互方式与主推理图表相同。
AgentX 回放真实的编码 agent 会话，而不是固定长度的 prompt，因此上下文随轮次不断增长，每个请求的大部分内容由 cache 提供而无需重新计算。这让对比变成一个系统问题：跨节点的 KV 传输、prefix 感知路由与 cache 容量，都会与芯片原始吞吐量一同影响曲线。固定序列负载仍然是衡量 kernel 与芯片性能的干净基线，因此两种场景回答的是关于同一硬件的不同问题。 进一步了解 AgentX →
在 92–297 tok/s/user 交互性区间的低端——即 143 tok/s/user 处——B200 运行 GLM 5.3 744B 每百万 token 成本为 $0.07，GB300 NVL72 为 $0.05。GB300 NVL72 便宜 45%。
在 GLM 5.3 744B 上以 194 tok/s/user 运行时，每百万 token 成本分别为：B200 $0.09、GB300 NVL72 $0.07；GB300 NVL72 每美元多产出 38% 的 token。
在 GLM 5.3 744B 上以 246 tok/s/user 运行时，B200 每百万 token 成本为 $0.12，GB300 NVL72 为 $0.11。GB300 NVL72 在此工作点上的成本效率高出 9%。 （数据反映此 URL 的默认 agentic-traces · fp4 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
芯片定价（所属云服务商）： B200 $1.73/chip/hr · GB300 NVL72 $2.31/chip/hr. 来源： SemiAnalysis Market July 2026 Pricing Surveys & AI Cloud TCO Model.
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| 每百万 token 美元成本 | B200:$0.065GB300 NVL72:$0.045 | B200:$0.094GB300 NVL72:$0.068 | B200:$0.116GB300 NVL72:$0.106 |
| Concurrency | B200:~11GB300 NVL72:~56 | B200:~6GB300 NVL72:~21 | B200:~4GB300 NVL72:~16 |
推理性能
不同模型、硬件配置和服务参数下，来自 AgentX 场景的智能体推理指标与固定序列推理指标。