对比 GB300 NVL72（NVIDIA Blackwell）与 H100（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 →
88 tok/s/user 接近 16–303 tok/s/user 交互性区间的下限。在这一运行点，GB300 NVL72 运行 DeepSeek V4.1 Flash 552B 的吞吐量为 125508 tok/s/chip，每百万 token 成本为 $0.01；H100 的吞吐量为 10466 tok/s/chip，每百万 token 成本为 $0.03。GB300 NVL72 的成本效率高出 507%；GB300 NVL72 的单芯片吞吐量高出 1099%。
将 DeepSeek V4.1 Flash 552B 的目标交互性设为 160 tok/s/user 时，GB300 NVL72 的吞吐量为 49336 tok/s/chip，每百万 token 成本为 $0.01；H100 的吞吐量为 6697 tok/s/chip，每百万 token 成本为 $0.05。GB300 NVL72 的成本效率高出 273%；GB300 NVL72 的单芯片吞吐量高出 637%。
当 DeepSeek V4.1 Flash 552B 的目标交互性为 232 tok/s/user 时，GB300 NVL72 的吞吐量为 28701 tok/s/chip，每百万 token 成本为 $0.02；H100 的吞吐量为 4131 tok/s/chip，每百万 token 成本为 $0.08。GB300 NVL72 的成本效率高出 252%；GB300 NVL72 的单芯片吞吐量高出 595%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB300 NVL72:125507.6H100:10466.0 | GB300 NVL72:49336.1H100:6696.7 | GB300 NVL72:28701.0H100:4131.2 |
| 成本（$/M tok） | GB300 NVL72:$0.005H100:$0.031 | GB300 NVL72:$0.013H100:$0.049 | GB300 NVL72:$0.022H100:$0.079 |
| tok/s/MW | GB300 NVL72:59201687H100:7639404 | GB300 NVL72:23271748H100:4888077 | GB300 NVL72:13538194H100:3015510 |
| 并发数 | GB300 NVL72:~49H100:~14 | GB300 NVL72:~15H100:~7 | GB300 NVL72:~8H100:~4 |
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。
