对比 B200（NVIDIA Blackwell）与 B300（NVIDIA Blackwell）在 Muse Spark Open 816B 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 →
147 tok/s/user 接近 84–334 tok/s/user 交互性区间的下限。在这一运行点，B200 运行 Muse Spark Open 816B 的吞吐量为 15572 tok/s/chip，每百万 token 成本为 $0.03；B300 的吞吐量为 17710 tok/s/chip，每百万 token 成本为 $0.04。B200 的成本效率高出 15%；B300 的单芯片吞吐量高出 14%。
将 Muse Spark Open 816B 的目标交互性设为 209 tok/s/user 时，B200 的吞吐量为 7243 tok/s/chip，每百万 token 成本为 $0.07；B300 的吞吐量为 10645 tok/s/chip，每百万 token 成本为 $0.06。B300 的成本效率高出 13%；B300 的单芯片吞吐量高出 47%。
当 Muse Spark Open 816B 的目标交互性为 272 tok/s/user 时，B200 的吞吐量为 4930 tok/s/chip，每百万 token 成本为 $0.10；B300 的吞吐量为 5819 tok/s/chip，每百万 token 成本为 $0.11。B200 的成本效率高出 11%；B300 的单芯片吞吐量高出 18%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B200:15571.9B300:17710.0 | B200:7242.8B300:10645.2 | B200:4930.4B300:5819.2 |
| 成本（$/M tok） | B200:$0.031B300:$0.035 | B200:$0.066B300:$0.059 | B200:$0.097B300:$0.108 |
| tok/s/MW | B200:9106401B300:9321038 | B200:4235568B300:5602760 | B200:2883294B300:3062727 |
| 并发数 | B200:~21B300:~14 | B200:~10B300:~8 | B200:~7B300:~3 |
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。
