对比 TPU7x（Google Ironwood）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 →
174 tok/s/user 接近 103–390 tok/s/user 交互性区间的下限。在这一运行点，TPU7x 运行 Kimi K3 2.8T 的吞吐量为 1960 tok/s/chip，每百万 token 成本为 $0.15；Vera Rubin NVL72 的吞吐量为 31257 tok/s/chip，每百万 token 成本为 $0.03。Vera Rubin NVL72 的成本效率高出 355%；Vera Rubin NVL72 的单芯片吞吐量高出 1494%。
将 Kimi K3 2.8T 的目标交互性设为 246 tok/s/user 时，TPU7x 的吞吐量为 1221 tok/s/chip，每百万 token 成本为 $0.23；Vera Rubin NVL72 的吞吐量为 21650 tok/s/chip，每百万 token 成本为 $0.05。Vera Rubin NVL72 的成本效率高出 406%；Vera Rubin NVL72 的单芯片吞吐量高出 1673%。
当 Kimi K3 2.8T 的目标交互性为 319 tok/s/user 时，TPU7x 的吞吐量为 869 tok/s/chip，每百万 token 成本为 $0.33；Vera Rubin NVL72 的吞吐量为 13670 tok/s/chip，每百万 token 成本为 $0.07。Vera Rubin NVL72 的成本效率高出 349%；Vera Rubin NVL72 的单芯片吞吐量高出 1474%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | TPU7x:1960.3Vera Rubin NVL72:31256.9 | TPU7x:1220.9Vera Rubin NVL72:21650.1 | TPU7x:868.5Vera Rubin NVL72:13669.9 |
| 成本（$/M tok） | TPU7x:$0.146Vera Rubin NVL72:$0.032 | TPU7x:$0.234Vera Rubin NVL72:$0.046 | TPU7x:$0.329Vera Rubin NVL72:$0.073 |
| tok/s/MW | TPU7x:1624111Vera Rubin NVL72:9471776 | TPU7x:1011500Vera Rubin NVL72:6560628 | TPU7x:719591Vera Rubin NVL72:4142403 |
| 并发数 | TPU7x:~9Vera Rubin NVL72:~156 | TPU7x:~5Vera Rubin NVL72:~66 | TPU7x:~2Vera Rubin NVL72:~51 |
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。
