对比 B200（NVIDIA Blackwell）与 GB200 NVL72（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 →
当 DeepSeek V4.1 Flash 552B 的目标交互性为 81 tok/s/user 时，B200 与 GB200 NVL72 的吞吐量分别为 71402 和 54859 tok/s/chip，每百万 token 成本分别为 $0.01 和 $0.01。B200 的成本效率高出 40%；B200 的单芯片吞吐量高出 30%。
以 153 tok/s/user 为目标运行 DeepSeek V4.1 Flash 552B 时，B200 的吞吐量为 37158 tok/s/chip，每百万 token 成本为 $0.01；GB200 NVL72 的吞吐量为 26900 tok/s/chip，每百万 token 成本为 $0.02。B200 的成本效率高出 49%；B200 的单芯片吞吐量高出 38%。
226 tok/s/user 接近 9–298 tok/s/user 交互性区间的上限。在这一运行点，B200 运行 DeepSeek V4.1 Flash 552B 的吞吐量为 19048 tok/s/chip，每百万 token 成本为 $0.03；GB200 NVL72 的吞吐量为 15745 tok/s/chip，每百万 token 成本为 $0.03。B200 的成本效率高出 30%；B200 的单芯片吞吐量高出 21%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B200:71402.0GB200 NVL72:54859.0 | B200:37158.4GB200 NVL72:26900.3 | B200:19048.3GB200 NVL72:15745.3 |
| 成本（$/M tok） | B200:$0.007GB200 NVL72:$0.009 | B200:$0.013GB200 NVL72:$0.019 | B200:$0.025GB200 NVL72:$0.033 |
| tok/s/MW | B200:41755549GB200 NVL72:29336384 | B200:21730075GB200 NVL72:14385186 | B200:11139378GB200 NVL72:8419943 |
| 并发数 | B200:~47GB200 NVL72:~32 | B200:~20GB200 NVL72:~15 | B200:~10GB200 NVL72:~8 |
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。
