对比 B300（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 →
55 tok/s/user 接近 8–197 tok/s/user 交互性区间的下限。在这一运行点，B300 运行 Kimi K3 2.8T 的吞吐量为 5745 tok/s/chip，每百万 token 成本为 $0.11；GB200 NVL72 的吞吐量为 4214 tok/s/chip，每百万 token 成本为 $0.12。B300 的成本效率高出 12%；B300 的单芯片吞吐量高出 36%。
将 Kimi K3 2.8T 的目标交互性设为 103 tok/s/user 时，B300 的吞吐量为 3971 tok/s/chip，每百万 token 成本为 $0.16；GB200 NVL72 的吞吐量为 2175 tok/s/chip，每百万 token 成本为 $0.24。B300 的成本效率高出 50%；B300 的单芯片吞吐量高出 83%。
当 Kimi K3 2.8T 的目标交互性为 150 tok/s/user 时，B300 的吞吐量为 2075 tok/s/chip，每百万 token 成本为 $0.30；GB200 NVL72 的吞吐量为 1247 tok/s/chip，每百万 token 成本为 $0.41。B300 的成本效率高出 37%；B300 的单芯片吞吐量高出 66%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B300:5744.5GB200 NVL72:4213.5 | B300:3971.0GB200 NVL72:2174.8 | B300:2075.0GB200 NVL72:1246.9 |
| 成本（$/M tok） | B300:$0.109GB200 NVL72:$0.123 | B300:$0.158GB200 NVL72:$0.238 | B300:$0.303GB200 NVL72:$0.414 |
| tok/s/MW | B300:3023432GB200 NVL72:2253226 | B300:2090009GB200 NVL72:1162989 | B300:1092106GB200 NVL72:666816 |
| 并发数 | B300:~9GB200 NVL72:~16 | B300:~6GB200 NVL72:~8 | B300:~2GB200 NVL72:~3 |
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。
