对比 B300（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 →
当 GLM 5.3 744B 的目标交互性为 163 tok/s/user 时，B300 与 Vera Rubin NVL72 的吞吐量分别为 10978 和 80413 tok/s/chip，每百万 token 成本分别为 $0.06 和 $0.01。Vera Rubin NVL72 的成本效率高出 359%；Vera Rubin NVL72 的单芯片吞吐量高出 632%。
以 215 tok/s/user 为目标运行 GLM 5.3 744B 时，B300 的吞吐量为 7000 tok/s/chip，每百万 token 成本为 $0.09；Vera Rubin NVL72 的吞吐量为 49229 tok/s/chip，每百万 token 成本为 $0.02。Vera Rubin NVL72 的成本效率高出 340%；Vera Rubin NVL72 的单芯片吞吐量高出 603%。
267 tok/s/user 接近 112–319 tok/s/user 交互性区间的上限。在这一运行点，B300 运行 GLM 5.3 744B 的吞吐量为 4674 tok/s/chip，每百万 token 成本为 $0.13；Vera Rubin NVL72 的吞吐量为 28786 tok/s/chip，每百万 token 成本为 $0.03。Vera Rubin NVL72 的成本效率高出 286%；Vera Rubin NVL72 的单芯片吞吐量高出 516%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B300:10978.2Vera Rubin NVL72:80413.3 | B300:6999.9Vera Rubin NVL72:49229.4 | B300:4674.2Vera Rubin NVL72:28786.2 |
| 成本（$/M tok） | B300:$0.057Vera Rubin NVL72:$0.012 | B300:$0.090Vera Rubin NVL72:$0.020 | B300:$0.134Vera Rubin NVL72:$0.035 |
| tok/s/MW | B300:5778012Vera Rubin NVL72:24367655 | B300:3684151Vera Rubin NVL72:14918001 | B300:2460118Vera Rubin NVL72:8723102 |
| 并发数 | B300:~10Vera Rubin NVL72:~280 | B300:~7Vera Rubin NVL72:~141 | B300:~2Vera Rubin NVL72:~60 |
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。
