对比 B200（NVIDIA Blackwell）与 B300（NVIDIA Blackwell）在 DeepSeek V4.1 Flash 552B 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 →
将 DeepSeek V4.1 Flash 552B 的目标交互性设为 198 tok/s/user 时，B200 的吞吐量为 69297 tok/s/chip，每百万 token 成本为 $0.01；B300 的吞吐量为 92114 tok/s/chip，每百万 token 成本为 $0.01。B300 的成本效率高出 2%；B300 的单芯片吞吐量高出 33%。
当 DeepSeek V4.1 Flash 552B 的目标交互性为 323 tok/s/user 时，B200 的吞吐量为 29045 tok/s/chip，每百万 token 成本为 $0.02；B300 的吞吐量为 25254 tok/s/chip，每百万 token 成本为 $0.02。B200 的成本效率高出 50%；B200 的单芯片吞吐量高出 15%。
在 DeepSeek V4.1 Flash 552B 的 449 tok/s/user 运行点，B200 的吞吐量为 10121 tok/s/chip，每百万 token 成本为 $0.05；B300 的吞吐量为 11265 tok/s/chip，每百万 token 成本为 $0.06。B200 的成本效率高出 17%；B300 的单芯片吞吐量高出 11%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B200:69297.4B300:92114.1 | B200:29045.4B300:25254.2 | B200:10121.0B300:11264.9 |
| 成本（$/M tok） | B200:$0.007B300:$0.007 | B200:$0.017B300:$0.025 | B200:$0.047B300:$0.056 |
| tok/s/MW | B200:40524810B300:48481126 | B200:16985596B300:13291672 | B200:5918704B300:5928885 |
| 并发数 | B200:~44B300:~26 | B200:~16B300:~13 | B200:~4B300:~2 |
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。
当前选择没有可绘制的测量数据。请检查上方的基准测试设置，或调整快捷筛选。
