对比 B200（NVIDIA Blackwell）与 Vera Rubin NVL72（NVIDIA Vera Rubin）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 →
以 165 tok/s/user 为目标运行 GLM 5.3 744B 时，B200 的吞吐量为 11996 tok/s/chip，每百万 token 成本为 $0.04；Vera Rubin NVL72 的吞吐量为 79081 tok/s/chip，每百万 token 成本为 $0.01。Vera Rubin NVL72 的成本效率高出 216%；Vera Rubin NVL72 的单芯片吞吐量高出 559%。
218 tok/s/user 位于 112–324 tok/s/user 交互性区间的中段。在这一运行点，B200 运行 GLM 5.3 744B 的吞吐量为 8337 tok/s/chip，每百万 token 成本为 $0.06；Vera Rubin NVL72 的吞吐量为 47706 tok/s/chip，每百万 token 成本为 $0.02。Vera Rubin NVL72 的成本效率高出 174%；Vera Rubin NVL72 的单芯片吞吐量高出 472%。
将 GLM 5.3 744B 的目标交互性设为 271 tok/s/user 时，B200 的吞吐量为 6542 tok/s/chip，每百万 token 成本为 $0.07；Vera Rubin NVL72 的吞吐量为 27842 tok/s/chip，每百万 token 成本为 $0.04。Vera Rubin NVL72 的成本效率高出 104%；Vera Rubin NVL72 的单芯片吞吐量高出 326%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B200:11996.1Vera Rubin NVL72:79080.7 | B200:8336.7Vera Rubin NVL72:47705.9 | B200:6542.2Vera Rubin NVL72:27842.1 |
| 成本（$/M tok） | B200:$0.040Vera Rubin NVL72:$0.013 | B200:$0.058Vera Rubin NVL72:$0.021 | B200:$0.073Vera Rubin NVL72:$0.036 |
| tok/s/MW | B200:7015247Vera Rubin NVL72:23963852 | B200:4875250Vera Rubin NVL72:14456334 | B200:3825851Vera Rubin NVL72:8436988 |
| 并发数 | B200:~8Vera Rubin NVL72:~274 | B200:~4Vera Rubin NVL72:~134 | B200:~2Vera Rubin NVL72:~57 |
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。
