Kimi K3 2.8T — B200 与 GB200 NVL72
对比 B200（NVIDIA Blackwell）与 GB200 NVL72（NVIDIA Blackwell）在 Kimi K3 2.8T 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 →
在 Kimi K3 2.8T 的 65 tok/s/user 运行点，B200 的吞吐量为 4595 tok/s/chip，每百万 token 成本为 $0.10；GB200 NVL72 的吞吐量为 7752 tok/s/chip，每百万 token 成本为 $0.07。GB200 NVL72 的成本效率高出 57%；GB200 NVL72 的单芯片吞吐量高出 69%。
当 Kimi K3 2.8T 的目标交互性为 106 tok/s/user 时，B200 与 GB200 NVL72 的吞吐量分别为 2477 和 4812 tok/s/chip，每百万 token 成本分别为 $0.19 和 $0.11。GB200 NVL72 的成本效率高出 81%；GB200 NVL72 的单芯片吞吐量高出 94%。
以 146 tok/s/user 为目标运行 Kimi K3 2.8T 时，B200 的吞吐量为 1719 tok/s/chip，每百万 token 成本为 $0.28；GB200 NVL72 的吞吐量为 3112 tok/s/chip，每百万 token 成本为 $0.17。GB200 NVL72 的成本效率高出 68%；GB200 NVL72 的单芯片吞吐量高出 81%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B200:4594.7GB200 NVL72:7751.7 | B200:2476.5GB200 NVL72:4812.2 | B200:1719.2GB200 NVL72:3111.9 |
| 成本（$/M tok） | B200:$0.105GB200 NVL72:$0.067 | B200:$0.194GB200 NVL72:$0.107 | B200:$0.280GB200 NVL72:$0.166 |
| tok/s/MW | B200:2686936GB200 NVL72:4145303 | B200:1448251GB200 NVL72:2573343 | B200:1005383GB200 NVL72:1664096 |
| 并发数 | B200:~15GB200 NVL72:~30 | B200:~7GB200 NVL72:~24 | B200:~5GB200 NVL72:~16 |