Kimi K3.1 Pro — GB200 NVL72 与 GB300 NVL72
对比 GB200 NVL72（NVIDIA Blackwell）与 GB300 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 99 tok/s/user 时，GB200 NVL72 的吞吐量为 5916 tok/s/chip，每百万 token 成本为 $0.09；GB300 NVL72 的吞吐量为 16725 tok/s/chip，每百万 token 成本为 $0.04。GB300 NVL72 的成本效率高出 128%；GB300 NVL72 的单芯片吞吐量高出 183%。
在 Kimi K3.1 Pro 的 137 tok/s/user 运行点，GB200 NVL72 的吞吐量为 2629 tok/s/chip，每百万 token 成本为 $0.20；GB300 NVL72 的吞吐量为 10838 tok/s/chip，每百万 token 成本为 $0.06。GB300 NVL72 的成本效率高出 232%；GB300 NVL72 的单芯片吞吐量高出 312%。
当 Kimi K3.1 Pro 的目标交互性为 174 tok/s/user 时，GB200 NVL72 与 GB300 NVL72 的吞吐量分别为 1570 和 6970 tok/s/chip，每百万 token 成本分别为 $0.33 和 $0.09。GB300 NVL72 的成本效率高出 258%；GB300 NVL72 的单芯片吞吐量高出 344%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB200 NVL72:5916.3GB300 NVL72:16724.9 | GB200 NVL72:2629.3GB300 NVL72:10838.3 | GB200 NVL72:1569.7GB300 NVL72:6970.4 |
| 成本（$/M tok） | GB200 NVL72:$0.087GB300 NVL72:$0.038 | GB200 NVL72:$0.197GB300 NVL72:$0.059 | GB200 NVL72:$0.329GB300 NVL72:$0.092 |
| tok/s/MW | GB200 NVL72:3163796GB300 NVL72:7889109 | GB200 NVL72:1406046GB300 NVL72:5112411 | GB200 NVL72:839404GB300 NVL72:3287928 |
| 并发数 | GB200 NVL72:~32GB300 NVL72:~75 | GB200 NVL72:~13GB300 NVL72:~55 | GB200 NVL72:~3GB300 NVL72:~34 |