对比 GB200 NVL72（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 →
当 DeepSeek V4.1 Flash 552B 的目标交互性为 62 tok/s/user 时，GB200 NVL72 的吞吐量为 66042 tok/s/chip，每百万 token 成本为 $0.01；H200 的吞吐量为 13391 tok/s/chip，每百万 token 成本为 $0.03。GB200 NVL72 的成本效率高出 223%；GB200 NVL72 的单芯片吞吐量高出 393%。
在 DeepSeek V4.1 Flash 552B 的 115 tok/s/user 运行点，GB200 NVL72 的吞吐量为 39287 tok/s/chip，每百万 token 成本为 $0.01；H200 的吞吐量为 7462 tok/s/chip，每百万 token 成本为 $0.05。GB200 NVL72 的成本效率高出 245%；GB200 NVL72 的单芯片吞吐量高出 426%。
当 DeepSeek V4.1 Flash 552B 的目标交互性为 168 tok/s/user 时，GB200 NVL72 与 H200 的吞吐量分别为 23493 和 4923 tok/s/chip，每百万 token 成本分别为 $0.02 和 $0.07。GB200 NVL72 的成本效率高出 213%；GB200 NVL72 的单芯片吞吐量高出 377%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB200 NVL72:66042.5H200:13390.8 | GB200 NVL72:39286.5H200:7462.2 | GB200 NVL72:23492.6H200:4922.6 |
| 成本（$/M tok） | GB200 NVL72:$0.008H200:$0.025 | GB200 NVL72:$0.013H200:$0.045 | GB200 NVL72:$0.022H200:$0.069 |
| tok/s/MW | GB200 NVL72:35316829H200:9774328 | GB200 NVL72:21008842H200:5446830 | GB200 NVL72:12562881H200:3593130 |
| 并发数 | GB200 NVL72:~46H200:~19 | GB200 NVL72:~22H200:~9 | GB200 NVL72:~13H200:~6 |
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。
