对比 B200（NVIDIA Blackwell）与 H100（NVIDIA Hopper）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 →
当 Muse Spark Open 816B 的目标交互性为 105 tok/s/user 时，B200 的吞吐量为 21796 tok/s/chip，每百万 token 成本为 $0.02；H100 的吞吐量为 1316 tok/s/chip，每百万 token 成本为 $0.25。B200 的成本效率高出 1020%；B200 的单芯片吞吐量高出 1556%。
在 Muse Spark Open 816B 的 125 tok/s/user 运行点，B200 的吞吐量为 18832 tok/s/chip，每百万 token 成本为 $0.03；H100 的吞吐量为 1316 tok/s/chip，每百万 token 成本为 $0.25。B200 的成本效率高出 868%；B200 的单芯片吞吐量高出 1331%。
当 Muse Spark Open 816B 的目标交互性为 146 tok/s/user 时，B200 与 H100 的吞吐量分别为 15803 和 1316 tok/s/chip，每百万 token 成本分别为 $0.03 和 $0.25。B200 的成本效率高出 712%；B200 的单芯片吞吐量高出 1101%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B200:21795.9H100:1315.8 | B200:18831.9H100:1315.8 | B200:15802.6H100:1315.8 |
| 成本（$/M tok） | B200:$0.022H100:$0.247 | B200:$0.026H100:$0.247 | B200:$0.030H100:$0.247 |
| tok/s/MW | B200:12746137H100:960474 | B200:11012788H100:960474 | B200:9241278H100:960474 |
| 并发数 | B200:~38H100:~1 | B200:~30H100:~1 | B200:~22H100:~1 |
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。
