对比 B300（NVIDIA Blackwell）与 H200（NVIDIA Hopper）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 →
在 GLM 5.3 744B 的 93 tok/s/user 运行点，B300 的吞吐量为 17242 tok/s/chip，每百万 token 成本为 $0.04；H200 在该运行点暂无数据。
当 GLM 5.3 744B 的目标交互性为 168 tok/s/user 时，B300 的吞吐量为 8224 tok/s/chip，每百万 token 成本为 $0.08；H200 在该运行点尚未测试。
当 GLM 5.3 744B 的目标交互性为 244 tok/s/user 时，B300 的吞吐量为 5232 tok/s/chip，每百万 token 成本为 $0.12；H200 在该运行点暂无基准测试数据。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B300:17242.4H200:— | B300:8224.0H200:— | B300:5232.2H200:— |
| 成本（$/M tok） | B300:$0.036H200:— | B300:$0.076H200:— | B300:$0.120H200:— |
| tok/s/MW | B300:9074934H200:— | B300:4328419H200:— | B300:2753800H200:— |
| 并发数 | B300:~22H200:— | B300:~12H200:— | B300:~5H200:— |
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。
