对比 B200（NVIDIA Blackwell）与 GB300 NVL72（NVIDIA Blackwell）在 GLM 5.3 744B 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 →
将 GLM 5.3 744B 的目标交互性设为 147 tok/s/user 时，B200 的吞吐量为 8178 tok/s/chip，每百万 token 成本为 $0.06；GB300 NVL72 的吞吐量为 15606 tok/s/chip，每百万 token 成本为 $0.04。GB300 NVL72 的成本效率高出 43%；GB300 NVL72 的单芯片吞吐量高出 91%。
当 GLM 5.3 744B 的目标交互性为 198 tok/s/user 时，B200 的吞吐量为 6883 tok/s/chip，每百万 token 成本为 $0.07；GB300 NVL72 的吞吐量为 10995 tok/s/chip，每百万 token 成本为 $0.06。GB300 NVL72 的成本效率高出 20%；GB300 NVL72 的单芯片吞吐量高出 60%。
在 GLM 5.3 744B 的 250 tok/s/user 运行点，B200 的吞吐量为 4320 tok/s/chip，每百万 token 成本为 $0.11；GB300 NVL72 的吞吐量为 6744 tok/s/chip，每百万 token 成本为 $0.10。GB300 NVL72 的成本效率高出 17%；GB300 NVL72 的单芯片吞吐量高出 56%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B200:8178.4GB300 NVL72:15606.5 | B200:6883.3GB300 NVL72:10994.6 | B200:4319.5GB300 NVL72:6744.4 |
| 成本（$/M tok） | B200:$0.059GB300 NVL72:$0.041 | B200:$0.070GB300 NVL72:$0.058 | B200:$0.111GB300 NVL72:$0.095 |
| tok/s/MW | B200:4782714GB300 NVL72:7361545 | B200:4025345GB300 NVL72:5186117 | B200:2526033GB300 NVL72:3181325 |
| 并发数 | B200:~12GB300 NVL72:~54 | B200:~8GB300 NVL72:~23 | B200:~5GB300 NVL72:~18 |
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。
