对比 GB200 NVL72（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 →
将 GLM 5.3 744B 的目标交互性设为 160 tok/s/user 时，GB200 NVL72 的吞吐量为 12343 tok/s/chip，每百万 token 成本为 $0.04；Vera Rubin NVL72 的吞吐量为 82427 tok/s/chip，每百万 token 成本为 $0.01。Vera Rubin NVL72 的成本效率高出 244%；Vera Rubin NVL72 的单芯片吞吐量高出 568%。
当 GLM 5.3 744B 的目标交互性为 208 tok/s/user 时，GB200 NVL72 的吞吐量为 6947 tok/s/chip，每百万 token 成本为 $0.07；Vera Rubin NVL72 的吞吐量为 52921 tok/s/chip，每百万 token 成本为 $0.02。Vera Rubin NVL72 的成本效率高出 292%；Vera Rubin NVL72 的单芯片吞吐量高出 662%。
在 GLM 5.3 744B 的 256 tok/s/user 运行点，GB200 NVL72 的吞吐量为 4397 tok/s/chip，每百万 token 成本为 $0.12；Vera Rubin NVL72 的吞吐量为 31935 tok/s/chip，每百万 token 成本为 $0.03。Vera Rubin NVL72 的成本效率高出 274%；Vera Rubin NVL72 的单芯片吞吐量高出 626%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB200 NVL72:12343.0Vera Rubin NVL72:82426.8 | GB200 NVL72:6947.0Vera Rubin NVL72:52921.3 | GB200 NVL72:4397.1Vera Rubin NVL72:31935.5 |
| 成本（$/M tok） | GB200 NVL72:$0.042Vera Rubin NVL72:$0.012 | GB200 NVL72:$0.074Vera Rubin NVL72:$0.019 | GB200 NVL72:$0.118Vera Rubin NVL72:$0.031 |
| tok/s/MW | GB200 NVL72:6600558Vera Rubin NVL72:24977815 | GB200 NVL72:3715000Vera Rubin NVL72:16036744 | GB200 NVL72:2351386Vera Rubin NVL72:9677421 |
| 并发数 | GB200 NVL72:~56Vera Rubin NVL72:~290 | GB200 NVL72:~8Vera Rubin NVL72:~157 | GB200 NVL72:~4Vera Rubin NVL72:~71 |
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。
