对比 B300（NVIDIA Blackwell）与 GB300 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 →
89 tok/s/user 接近 3–347 tok/s/user 交互性区间的下限。在这一运行点，B300 运行 DeepSeek V4.1 Flash 552B 的吞吐量为 66335 tok/s/chip，每百万 token 成本为 $0.01；GB300 NVL72 的吞吐量为 10733 tok/s/chip，每百万 token 成本为 $0.06。B300 的成本效率高出 532%；B300 的单芯片吞吐量高出 518%。
将 DeepSeek V4.1 Flash 552B 的目标交互性设为 175 tok/s/user 时，B300 的吞吐量为 27937 tok/s/chip，每百万 token 成本为 $0.02；GB300 NVL72 的吞吐量为 10733 tok/s/chip，每百万 token 成本为 $0.06。B300 的成本效率高出 166%；B300 的单芯片吞吐量高出 160%。
当 DeepSeek V4.1 Flash 552B 的目标交互性为 261 tok/s/user 时，B300 的吞吐量为 14248 tok/s/chip，每百万 token 成本为 $0.04；GB300 NVL72 的吞吐量为 10733 tok/s/chip，每百万 token 成本为 $0.06。B300 的成本效率高出 36%；B300 的单芯片吞吐量高出 33%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B300:66334.6GB300 NVL72:10733.4 | B300:27937.4GB300 NVL72:10733.4 | B300:14248.2GB300 NVL72:10733.4 |
| 成本（$/M tok） | B300:$0.009GB300 NVL72:$0.060 | B300:$0.022GB300 NVL72:$0.060 | B300:$0.044GB300 NVL72:$0.060 |
| tok/s/MW | B300:34912934GB300 NVL72:5062944 | B300:14703918GB300 NVL72:5062944 | B300:7499077GB300 NVL72:5062944 |
| 并发数 | B300:~39GB300 NVL72:~16 | B300:~16GB300 NVL72:~16 | B300:~7GB300 NVL72:~16 |
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。
