对比 GB200 NVL72（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 →
当 Kimi K3 2.8T 的目标交互性为 56 tok/s/user 时，GB200 NVL72 的吞吐量为 4146 tok/s/chip，每百万 token 成本为 $0.12；GB300 NVL72 的吞吐量为 12050 tok/s/chip，每百万 token 成本为 $0.05。GB300 NVL72 的成本效率高出 134%；GB300 NVL72 的单芯片吞吐量高出 191%。
在 Kimi K3 2.8T 的 103 tok/s/user 运行点，GB200 NVL72 的吞吐量为 2175 tok/s/chip，每百万 token 成本为 $0.24；GB300 NVL72 的吞吐量为 7768 tok/s/chip，每百万 token 成本为 $0.08。GB300 NVL72 的成本效率高出 188%；GB300 NVL72 的单芯片吞吐量高出 257%。
当 Kimi K3 2.8T 的目标交互性为 150 tok/s/user 时，GB200 NVL72 与 GB300 NVL72 的吞吐量分别为 1247 和 5640 tok/s/chip，每百万 token 成本分别为 $0.41 和 $0.11。GB300 NVL72 的成本效率高出 264%；GB300 NVL72 的单芯片吞吐量高出 352%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB200 NVL72:4146.1GB300 NVL72:12050.0 | GB200 NVL72:2174.8GB300 NVL72:7767.6 | GB200 NVL72:1246.9GB300 NVL72:5640.0 |
| 成本（$/M tok） | GB200 NVL72:$0.125GB300 NVL72:$0.053 | GB200 NVL72:$0.238GB300 NVL72:$0.083 | GB200 NVL72:$0.414GB300 NVL72:$0.114 |
| tok/s/MW | GB200 NVL72:2217166GB300 NVL72:5683946 | GB200 NVL72:1162989GB300 NVL72:3663981 | GB200 NVL72:666816GB300 NVL72:2660380 |
| 并发数 | GB200 NVL72:~16GB300 NVL72:~48 | GB200 NVL72:~8GB300 NVL72:~32 | GB200 NVL72:~3GB300 NVL72:~27 |
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。
