对比 GB300 NVL72（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 →
当 GLM 5.3 744B 的目标交互性为 139 tok/s/user 时，GB300 NVL72 的吞吐量为 15085 tok/s/chip，每百万 token 成本为 $0.04；H200 在该运行点尚未测试。
当 GLM 5.3 744B 的目标交互性为 192 tok/s/user 时，GB300 NVL72 的吞吐量为 9036 tok/s/chip，每百万 token 成本为 $0.07；H200 在该运行点暂无基准测试数据。
在 GLM 5.3 744B 的 245 tok/s/user 运行点，GB300 NVL72 的吞吐量为 6352 tok/s/chip，每百万 token 成本为 $0.10；H200 在该运行点暂无数据。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB300 NVL72:15085.1H200:— | GB300 NVL72:9036.3H200:— | GB300 NVL72:6351.9H200:— |
| 成本（$/M tok） | GB300 NVL72:$0.043H200:— | GB300 NVL72:$0.071H200:— | GB300 NVL72:$0.101H200:— |
| tok/s/MW | GB300 NVL72:7115593H200:— | GB300 NVL72:4262418H200:— | GB300 NVL72:2996156H200:— |
| 并发数 | GB300 NVL72:~54H200:— | GB300 NVL72:~20H200:— | GB300 NVL72:~16H200:— |
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。
