Muse Spark 1.3/Open 816B · 芯片对比
Muse Spark 1.3/Open 816B — B200 与 B300
对比 B200(NVIDIA Blackwell)与 B300(NVIDIA Blackwell)在 Muse Spark 1.3/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 →
在 Muse Spark 1.3/Open 816B 的 182 tok/s/user 运行点,B200 的吞吐量为 22,547 tok/s/chip,每百万 token 成本为 $0.021;B300 的吞吐量为 26,745 tok/s/chip,每百万 token 成本为 $0.023。B200 的每 token 成本低 9%;B300 的单芯片吞吐量高出 19%。
当 Muse Spark 1.3/Open 816B 的目标交互性为 281 tok/s/user 时,B200 与 B300 的吞吐量分别为 12,523 和 16,766 tok/s/chip,每百万 token 成本分别为 $0.038 和 $0.037。B300 的每 token 成本低 2%;B300 的单芯片吞吐量高出 34%。
以 380 tok/s/user 为目标运行 Muse Spark 1.3/Open 816B 时,B200 的吞吐量为 7,485 tok/s/chip,每百万 token 成本为 $0.064;B300 的吞吐量为 12,523 tok/s/chip,每百万 token 成本为 $0.050。B300 的每 token 成本低 22%;B300 的单芯片吞吐量高出 67%。 (以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | B20022,547B30026,745 | B20012,523B30016,766 | B2007,485B30012,523 |
| 成本($/M tok) | B200$0.021B300$0.023 | B200$0.038B300$0.037 | B200$0.064B300$0.050 |
| tok/s/MW | B20013,185,611B30014,076,260 | B2007,323,357B3008,824,318 | B2004,377,078B3006,591,065 |
| 并发数 | B200~15B300~18 | B200~7B300~19 | B200~9B300~15 |