对比 GB200 NVL72（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 →
以 143 tok/s/user 为目标运行 GLM 5.3 744B 时，GB200 NVL72 的吞吐量为 12412 tok/s/chip，每百万 token 成本为 $0.04；GB300 NVL72 的吞吐量为 14337 tok/s/chip，每百万 token 成本为 $0.04。GB200 NVL72 的成本效率高出 8%；GB300 NVL72 的单芯片吞吐量高出 16%。
195 tok/s/user 位于 92–297 tok/s/user 交互性区间的中段。在这一运行点，GB200 NVL72 运行 GLM 5.3 744B 的吞吐量为 8529 tok/s/chip，每百万 token 成本为 $0.06；GB300 NVL72 的吞吐量为 8991 tok/s/chip，每百万 token 成本为 $0.07。GB200 NVL72 的成本效率高出 18%；GB300 NVL72 的单芯片吞吐量高出 5%。
将 GLM 5.3 744B 的目标交互性设为 246 tok/s/user 时，GB200 NVL72 的吞吐量为 4979 tok/s/chip，每百万 token 成本为 $0.10；GB300 NVL72 的吞吐量为 6250 tok/s/chip，每百万 token 成本为 $0.10。GB300 NVL72 的成本效率高出 1%；GB300 NVL72 的单芯片吞吐量高出 26%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB200 NVL72:12412.1GB300 NVL72:14337.4 | GB200 NVL72:8528.6GB300 NVL72:8990.8 | GB200 NVL72:4978.7GB300 NVL72:6250.0 |
| 成本（$/M tok） | GB200 NVL72:$0.042GB300 NVL72:$0.045 | GB200 NVL72:$0.061GB300 NVL72:$0.071 | GB200 NVL72:$0.104GB300 NVL72:$0.103 |
| tok/s/MW | GB200 NVL72:6637513GB300 NVL72:6762913 | GB200 NVL72:4560734GB300 NVL72:4240924 | GB200 NVL72:2662432GB300 NVL72:2948110 |
| 并发数 | GB200 NVL72:~63GB300 NVL72:~56 | GB200 NVL72:~39GB300 NVL72:~22 | GB200 NVL72:~5GB300 NVL72:~15 |
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。
