对比 B200（NVIDIA Blackwell）与 GB300 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 →
58 tok/s/user 接近 9–207 tok/s/user 交互性区间的下限。在这一运行点，B200 运行 Kimi K3 2.8T 的吞吐量为 3938 tok/s/chip，每百万 token 成本为 $0.12；GB300 NVL72 的吞吐量为 12004 tok/s/chip，每百万 token 成本为 $0.05。GB300 NVL72 的成本效率高出 128%；GB300 NVL72 的单芯片吞吐量高出 205%。
将 Kimi K3 2.8T 的目标交互性设为 108 tok/s/user 时，B200 的吞吐量为 1977 tok/s/chip，每百万 token 成本为 $0.24；GB300 NVL72 的吞吐量为 7708 tok/s/chip，每百万 token 成本为 $0.08。GB300 NVL72 的成本效率高出 192%；GB300 NVL72 的单芯片吞吐量高出 290%。
当 Kimi K3 2.8T 的目标交互性为 158 tok/s/user 时，B200 的吞吐量为 1278 tok/s/chip，每百万 token 成本为 $0.38；GB300 NVL72 的吞吐量为 5139 tok/s/chip，每百万 token 成本为 $0.12。GB300 NVL72 的成本效率高出 201%；GB300 NVL72 的单芯片吞吐量高出 302%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B200:3938.4GB300 NVL72:12003.7 | B200:1977.3GB300 NVL72:7708.3 | B200:1278.0GB300 NVL72:5138.7 |
| 成本（$/M tok） | B200:$0.122GB300 NVL72:$0.053 | B200:$0.243GB300 NVL72:$0.083 | B200:$0.376GB300 NVL72:$0.125 |
| tok/s/MW | B200:2303171GB300 NVL72:5662103 | B200:1156324GB300 NVL72:3635976 | B200:747395GB300 NVL72:2423909 |
| 并发数 | B200:~14GB300 NVL72:~48 | B200:~6GB300 NVL72:~37 | B200:~3GB300 NVL72:~22 |
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。
