Kimi K3 2.8T — B300 与 GB200 NVL72
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 →
69 tok/s/user 接近 25–202 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 4898 tok/s/chip，每百万 token 成本为 $0.13；GB200 NVL72 的吞吐量为 7658 tok/s/chip，每百万 token 成本为 $0.07。GB200 NVL72 的成本效率高出 90%；GB200 NVL72 的单芯片吞吐量高出 56%。
将 Kimi K3 2.8T 的目标交互性设为 114 tok/s/user 时，B300 的吞吐量为 3550 tok/s/chip，每百万 token 成本为 $0.18；GB200 NVL72 的吞吐量为 3363 tok/s/chip，每百万 token 成本为 $0.15。GB200 NVL72 的成本效率高出 15%；B300 的单芯片吞吐量高出 6%。
当 Kimi K3 2.8T 的目标交互性为 158 tok/s/user 时，B300 的吞吐量为 2063 tok/s/chip，每百万 token 成本为 $0.30；GB200 NVL72 的吞吐量为 2695 tok/s/chip，每百万 token 成本为 $0.19。GB200 NVL72 的成本效率高出 59%；GB200 NVL72 的单芯片吞吐量高出 31%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B300:4898.1GB200 NVL72:7658.0 | B300:3549.6GB200 NVL72:3362.7 | B300:2063.2GB200 NVL72:2694.9 |
| 成本（$/M tok） | B300:$0.128GB200 NVL72:$0.067 | B300:$0.177GB200 NVL72:$0.154 | B300:$0.304GB200 NVL72:$0.192 |
| tok/s/MW | B300:2577921GB200 NVL72:4095192 | B300:1868235GB200 NVL72:1798243 | B300:1085910GB200 NVL72:1441115 |
| 并发数 | B300:~7GB200 NVL72:~35 | B300:~5GB200 NVL72:~10 | B300:~1GB200 NVL72:~12 |