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 85 tok/s/user 时，GB200 NVL72 的吞吐量为 61131 tok/s/chip，每百万 token 成本为 $0.01；H200 的吞吐量为 19032 tok/s/chip，每百万 token 成本为 $0.02。GB200 NVL72 的成本效率高出 111%；GB200 NVL72 的单芯片吞吐量高出 221%。
在 DeepSeek V4.1 Flash 552B 的 163 tok/s/user 运行点，GB200 NVL72 的吞吐量为 31554 tok/s/chip，每百万 token 成本为 $0.02；H200 的吞吐量为 10516 tok/s/chip，每百万 token 成本为 $0.03。GB200 NVL72 的成本效率高出 97%；GB200 NVL72 的单芯片吞吐量高出 200%。
当 DeepSeek V4.1 Flash 552B 的目标交互性为 242 tok/s/user 时，GB200 NVL72 与 H200 的吞吐量分别为 27201 和 5431 tok/s/chip，每百万 token 成本分别为 $0.02 和 $0.06。GB200 NVL72 的成本效率高出 229%；GB200 NVL72 的单芯片吞吐量高出 401%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB200 NVL72:61130.8H200:19031.9 | GB200 NVL72:31554.2H200:10515.9 | GB200 NVL72:27201.1H200:5430.8 |
| 成本（$/M tok） | GB200 NVL72:$0.008H200:$0.018 | GB200 NVL72:$0.016H200:$0.032 | GB200 NVL72:$0.019H200:$0.062 |
| tok/s/MW | GB200 NVL72:32690260H200:13891864 | GB200 NVL72:16873908H200:7675813 | GB200 NVL72:14546058H200:3964073 |
| 并发数 | GB200 NVL72:~43H200:~13 | GB200 NVL72:~13H200:~6 | GB200 NVL72:~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。
