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 →
86 tok/s/user 接近 8–320 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 67556 tok/s/chip，每百万 token 成本为 $0.01；H200 的吞吐量为 18842 tok/s/chip，每百万 token 成本为 $0.02。B200 的成本效率高出 153%；B200 的单芯片吞吐量高出 259%。
将 DeepSeek V4.1 Flash 552B 的目标交互性设为 164 tok/s/user 时，B200 的吞吐量为 49478 tok/s/chip，每百万 token 成本为 $0.01；H200 的吞吐量为 10457 tok/s/chip，每百万 token 成本为 $0.03。B200 的成本效率高出 234%；B200 的单芯片吞吐量高出 373%。
当 DeepSeek V4.1 Flash 552B 的目标交互性为 242 tok/s/user 时，B200 的吞吐量为 28432 tok/s/chip，每百万 token 成本为 $0.02；H200 的吞吐量为 5431 tok/s/chip，每百万 token 成本为 $0.06。B200 的成本效率高出 269%；B200 的单芯片吞吐量高出 424%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B200:67556.1H200:18841.6 | B200:49478.4H200:10457.2 | B200:28432.3H200:5430.8 |
| 成本（$/M tok） | B200:$0.007H200:$0.018 | B200:$0.010H200:$0.032 | B200:$0.017H200:$0.062 |
| tok/s/MW | B200:39506470H200:13752981 | B200:28934723H200:7632978 | B200:16627067H200:3964073 |
| 并发数 | B200:~64H200:~13 | B200:~13H200:~6 | B200:~7H200:~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。
