对比 B200（NVIDIA Blackwell）与 H200（NVIDIA Hopper）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 →
134 tok/s/user 接近 73–320 tok/s/user 交互性区间的下限。在这一运行点，B200 运行 DeepSeek V4.1 Flash 552B 的吞吐量为 138724 tok/s/chip，每百万 token 成本为 $0.00；H200 的吞吐量为 12791 tok/s/chip，每百万 token 成本为 $0.03。B200 的成本效率高出 665%；B200 的单芯片吞吐量高出 985%。
将 DeepSeek V4.1 Flash 552B 的目标交互性设为 196 tok/s/user 时，B200 的吞吐量为 69588 tok/s/chip，每百万 token 成本为 $0.01；H200 的吞吐量为 8661 tok/s/chip，每百万 token 成本为 $0.04。B200 的成本效率高出 467%；B200 的单芯片吞吐量高出 703%。
当 DeepSeek V4.1 Flash 552B 的目标交互性为 258 tok/s/user 时，B200 的吞吐量为 40143 tok/s/chip，每百万 token 成本为 $0.01；H200 的吞吐量为 5366 tok/s/chip，每百万 token 成本为 $0.06。B200 的成本效率高出 428%；B200 的单芯片吞吐量高出 648%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B200:138723.6H200:12790.6 | B200:69587.8H200:8661.4 | B200:40143.2H200:5366.1 |
| 成本（$/M tok） | B200:$0.003H200:$0.026 | B200:$0.007H200:$0.039 | B200:$0.012H200:$0.063 |
| tok/s/MW | B200:81124921H200:9336214 | B200:40694602H200:6322206 | B200:23475559H200:3916894 |
| 并发数 | B200:~39H200:~8 | B200:~44H200:~5 | B200:~22H200:~1 |
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。
