对比 B200（NVIDIA Blackwell）与 Vera Rubin NVL72（NVIDIA Vera Rubin）在 DeepSeekv4 Pro 0813 1.6T 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 DeepSeekv4 Pro 0813 1.6T 的目标交互性为 129 tok/s/user 时，B200 的吞吐量为 22787 tok/s/chip，每百万 token 成本为 $0.02；Vera Rubin NVL72 的吞吐量为 256644 tok/s/chip，每百万 token 成本为 $0.00。Vera Rubin NVL72 的成本效率高出 440%；Vera Rubin NVL72 的单芯片吞吐量高出 1026%。
在 DeepSeekv4 Pro 0813 1.6T 的 185 tok/s/user 运行点，B200 的吞吐量为 9035 tok/s/chip，每百万 token 成本为 $0.05；Vera Rubin NVL72 的吞吐量为 142100 tok/s/chip，每百万 token 成本为 $0.01。Vera Rubin NVL72 的成本效率高出 654%；Vera Rubin NVL72 的单芯片吞吐量高出 1473%。
当 DeepSeekv4 Pro 0813 1.6T 的目标交互性为 240 tok/s/user 时，B200 与 Vera Rubin NVL72 的吞吐量分别为 3989 和 4903 tok/s/chip，每百万 token 成本分别为 $0.12 和 $0.20。B200 的成本效率高出 70%；Vera Rubin NVL72 的单芯片吞吐量高出 23%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B200:22786.6Vera Rubin NVL72:256643.8 | B200:9034.6Vera Rubin NVL72:142100.1 | B200:3989.4Vera Rubin NVL72:4903.3 |
| 成本（$/M tok） | B200:$0.021Vera Rubin NVL72:$0.004 | B200:$0.053Vera Rubin NVL72:$0.007 | B200:$0.120Vera Rubin NVL72:$0.205 |
| tok/s/MW | B200:13325510Vera Rubin NVL72:77770858 | B200:5283404Vera Rubin NVL72:43060633 | B200:2332981Vera Rubin NVL72:1485860 |
| 并发数 | B200:~56Vera Rubin NVL72:~2749 | B200:~12Vera Rubin NVL72:~1288 | B200:~4Vera Rubin NVL72:~21 |
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。
