对比 H200（NVIDIA Hopper）与 Vera Rubin NVL72（NVIDIA Vera Rubin）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 216 tok/s/user 时，H200 的吞吐量为 70 tok/s/chip，每百万 token 成本为 $4.85；Vera Rubin NVL72 的吞吐量为 25310 tok/s/chip，每百万 token 成本为 $0.04。Vera Rubin NVL72 的成本效率高出 12142%；Vera Rubin NVL72 的单芯片吞吐量高出 36124%。
在 Kimi K3 2.8T 的 432 tok/s/user 运行点，H200 的吞吐量为 70 tok/s/chip，每百万 token 成本为 $4.85；Vera Rubin NVL72 的吞吐量为 6849 tok/s/chip，每百万 token 成本为 $0.15。Vera Rubin NVL72 的成本效率高出 3213%；Vera Rubin NVL72 的单芯片吞吐量高出 9703%。
当 Kimi K3 2.8T 的目标交互性为 647 tok/s/user 时，H200 与 Vera Rubin NVL72 的吞吐量分别为 70 和 2424 tok/s/chip，每百万 token 成本分别为 $4.85 和 $0.41。Vera Rubin NVL72 的成本效率高出 1072%；Vera Rubin NVL72 的单芯片吞吐量高出 3369%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | H200:69.9Vera Rubin NVL72:25309.9 | H200:69.9Vera Rubin NVL72:6849.5 | H200:69.9Vera Rubin NVL72:2423.6 |
| 成本（$/M tok） | H200:$4.850Vera Rubin NVL72:$0.040 | H200:$4.850Vera Rubin NVL72:$0.146 | H200:$4.850Vera Rubin NVL72:$0.414 |
| tok/s/MW | H200:51001Vera Rubin NVL72:7669674 | H200:51001Vera Rubin NVL72:2075591 | H200:51001Vera Rubin NVL72:734433 |
| 并发数 | H200:~1Vera Rubin NVL72:~95 | H200:~1Vera Rubin NVL72:~31 | H200:~1Vera Rubin NVL72:~6 |
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。
