Kimi K3.1 Pro — B200 与 GB200 NVL72
对比 B200（NVIDIA Blackwell）与 GB200 NVL72（NVIDIA Blackwell）在 Kimi K3.1 Pro 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 →
以 40 tok/s/user 为目标运行 Kimi K3.1 Pro 时，B200 的吞吐量为 2761 tok/s/chip，每百万 token 成本为 $0.17；GB200 NVL72 的吞吐量为 8792 tok/s/chip，每百万 token 成本为 $0.06。GB200 NVL72 的成本效率高出 196%；GB200 NVL72 的单芯片吞吐量高出 218%。
55 tok/s/user 位于 27–83 tok/s/user 交互性区间的中段。在这一运行点，B200 运行 Kimi K3.1 Pro 的吞吐量为 1838 tok/s/chip，每百万 token 成本为 $0.26；GB200 NVL72 的吞吐量为 8445 tok/s/chip，每百万 token 成本为 $0.06。GB200 NVL72 的成本效率高出 327%；GB200 NVL72 的单芯片吞吐量高出 359%。
将 Kimi K3.1 Pro 的目标交互性设为 69 tok/s/user 时，B200 的吞吐量为 1544 tok/s/chip，每百万 token 成本为 $0.31；GB200 NVL72 的吞吐量为 8272 tok/s/chip，每百万 token 成本为 $0.06。GB200 NVL72 的成本效率高出 398%；GB200 NVL72 的单芯片吞吐量高出 436%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B200:2761.1GB200 NVL72:8792.4 | B200:1837.9GB200 NVL72:8444.7 | B200:1543.7GB200 NVL72:8272.2 |
| 成本（$/M tok） | B200:$0.174GB200 NVL72:$0.059 | B200:$0.261GB200 NVL72:$0.061 | B200:$0.311GB200 NVL72:$0.062 |
| tok/s/MW | B200:1614678GB200 NVL72:4701839 | B200:1074770GB200 NVL72:4515904 | B200:902756GB200 NVL72:4423632 |
| 并发数 | B200:~13GB200 NVL72:~32 | B200:~7GB200 NVL72:~37 | B200:~5GB200 NVL72:~44 |