对比 GB300 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 →
168 tok/s/user 接近 112–335 tok/s/user 交互性区间的下限。在这一运行点，GB300 NVL72 运行 GLM 5.3 744B 的吞吐量为 14110 tok/s/chip，每百万 token 成本为 $0.05；Vera Rubin NVL72 的吞吐量为 77097 tok/s/chip，每百万 token 成本为 $0.01。Vera Rubin NVL72 的成本效率高出 250%；Vera Rubin NVL72 的单芯片吞吐量高出 446%。
将 GLM 5.3 744B 的目标交互性设为 224 tok/s/user 时，GB300 NVL72 的吞吐量为 9956 tok/s/chip，每百万 token 成本为 $0.06；Vera Rubin NVL72 的吞吐量为 44770 tok/s/chip，每百万 token 成本为 $0.02。Vera Rubin NVL72 的成本效率高出 188%；Vera Rubin NVL72 的单芯片吞吐量高出 350%。
当 GLM 5.3 744B 的目标交互性为 280 tok/s/user 时，GB300 NVL72 的吞吐量为 3418 tok/s/chip，每百万 token 成本为 $0.19；Vera Rubin NVL72 的吞吐量为 26055 tok/s/chip，每百万 token 成本为 $0.04。Vera Rubin NVL72 的成本效率高出 388%；Vera Rubin NVL72 的单芯片吞吐量高出 662%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB300 NVL72:14110.3Vera Rubin NVL72:77097.4 | GB300 NVL72:9956.2Vera Rubin NVL72:44770.1 | GB300 NVL72:3417.5Vera Rubin NVL72:26055.2 |
| 成本（$/M tok） | GB300 NVL72:$0.045Vera Rubin NVL72:$0.013 | GB300 NVL72:$0.064Vera Rubin NVL72:$0.022 | GB300 NVL72:$0.188Vera Rubin NVL72:$0.038 |
| tok/s/MW | GB300 NVL72:6655779Vera Rubin NVL72:23362837 | GB300 NVL72:4696315Vera Rubin NVL72:13566704 | GB300 NVL72:1612051Vera Rubin NVL72:7895522 |
| 并发数 | GB300 NVL72:~60Vera Rubin NVL72:~265 | GB300 NVL72:~28Vera Rubin NVL72:~122 | GB300 NVL72:~3Vera Rubin NVL72:~50 |
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。
