对比 GB300 NVL72（NVIDIA Blackwell）与 H200（NVIDIA Hopper）在 MiniMax M3.1 Flash 428B 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 →
81 tok/s/user 接近 10–294 tok/s/user 交互性区间的下限。在这一运行点，GB300 NVL72 运行 MiniMax M3.1 Flash 428B 的吞吐量为 57954 tok/s/chip，每百万 token 成本为 $0.01；H200 的吞吐量为 9854 tok/s/chip，每百万 token 成本为 $0.03。GB300 NVL72 的成本效率高出 211%；GB300 NVL72 的单芯片吞吐量高出 488%。
将 MiniMax M3.1 Flash 428B 的目标交互性设为 152 tok/s/user 时，GB300 NVL72 的吞吐量为 57954 tok/s/chip，每百万 token 成本为 $0.01；H200 的吞吐量为 7133 tok/s/chip，每百万 token 成本为 $0.05。GB300 NVL72 的成本效率高出 329%；GB300 NVL72 的单芯片吞吐量高出 712%。
当 MiniMax M3.1 Flash 428B 的目标交互性为 223 tok/s/user 时，GB300 NVL72 的吞吐量为 30667 tok/s/chip，每百万 token 成本为 $0.02；H200 的吞吐量为 4231 tok/s/chip，每百万 token 成本为 $0.08。GB300 NVL72 的成本效率高出 283%；GB300 NVL72 的单芯片吞吐量高出 625%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB300 NVL72:57953.6H200:9854.4 | GB300 NVL72:57953.6H200:7132.8 | GB300 NVL72:30666.9H200:4231.4 |
| 成本（$/M tok） | GB300 NVL72:$0.011H200:$0.034 | GB300 NVL72:$0.011H200:$0.048 | GB300 NVL72:$0.021H200:$0.080 |
| tok/s/MW | GB300 NVL72:27336609H200:7192983 | GB300 NVL72:27336609H200:5206434 | GB300 NVL72:14465510H200:3088604 |
| 并发数 | GB300 NVL72:~32H200:~16 | GB300 NVL72:~32H200:~10 | GB300 NVL72:~17H200:~5 |
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。
