Kimi K3.1 Pro — B300 与 GB200 NVL72
对比 B300（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 →
当 Kimi K3.1 Pro 的目标交互性为 73 tok/s/user 时，B300 与 GB200 NVL72 的吞吐量分别为 7627 和 8199 tok/s/chip，每百万 token 成本分别为 $0.08 和 $0.06。GB200 NVL72 的成本效率高出 31%；GB200 NVL72 的单芯片吞吐量高出 8%。
以 119 tok/s/user 为目标运行 Kimi K3.1 Pro 时，B300 的吞吐量为 5683 tok/s/chip，每百万 token 成本为 $0.11；GB200 NVL72 的吞吐量为 3877 tok/s/chip，每百万 token 成本为 $0.13。B300 的成本效率高出 21%；B300 的单芯片吞吐量高出 47%。
165 tok/s/user 接近 27–211 tok/s/user 交互性区间的上限。在这一运行点，B300 运行 Kimi K3.1 Pro 的吞吐量为 4371 tok/s/chip，每百万 token 成本为 $0.14；GB200 NVL72 的吞吐量为 1787 tok/s/chip，每百万 token 成本为 $0.29。B300 的成本效率高出 101%；B300 的单芯片吞吐量高出 145%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B300:7626.9GB200 NVL72:8199.4 | B300:5683.1GB200 NVL72:3877.2 | B300:4370.9GB200 NVL72:1786.7 |
| 成本（$/M tok） | B300:$0.082GB200 NVL72:$0.063 | B300:$0.110GB200 NVL72:$0.133 | B300:$0.144GB200 NVL72:$0.289 |
| tok/s/MW | B300:4014153GB200 NVL72:4384723 | B300:2991089GB200 NVL72:2073380 | B300:2300493GB200 NVL72:955429 |
| 并发数 | B300:~16GB200 NVL72:~46 | B300:~8GB200 NVL72:~20 | B300:~6GB200 NVL72:~5 |