对比 B200（NVIDIA Blackwell）与 H200（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 →
将 Muse Spark Open 816B 的目标交互性设为 110 tok/s/user 时，B200 的吞吐量为 20951 tok/s/chip，每百万 token 成本为 $0.02；H200 的吞吐量为 4116 tok/s/chip，每百万 token 成本为 $0.08。B200 的成本效率高出 259%；B200 的单芯片吞吐量高出 409%。
当 Muse Spark Open 816B 的目标交互性为 135 tok/s/user 时，B200 的吞吐量为 17741 tok/s/chip，每百万 token 成本为 $0.03；H200 的吞吐量为 3167 tok/s/chip，每百万 token 成本为 $0.11。B200 的成本效率高出 295%；B200 的单芯片吞吐量高出 460%。
在 Muse Spark Open 816B 的 161 tok/s/user 运行点，B200 的吞吐量为 12278 tok/s/chip，每百万 token 成本为 $0.04；H200 的吞吐量为 1802 tok/s/chip，每百万 token 成本为 $0.19。B200 的成本效率高出 381%；B200 的单芯片吞吐量高出 582%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B200:20951.1H200:4116.2 | B200:17741.2H200:3167.4 | B200:12278.2H200:1801.6 |
| 成本（$/M tok） | B200:$0.023H200:$0.082 | B200:$0.027H200:$0.107 | B200:$0.039H200:$0.188 |
| tok/s/MW | B200:12252129H200:3004490 | B200:10374983H200:2311960 | B200:7180236H200:1315011 |
| 并发数 | B200:~36H200:~7 | B200:~26H200:~6 | B200:~17H200:~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。
