Muse Spark Open 816B — B200 与 TPU7x
对比 B200（NVIDIA Blackwell）与 TPU7x（Google Ironwood）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 179 tok/s/user 时，B200 的吞吐量为 20031 tok/s/chip，每百万 token 成本为 $0.02；TPU7x 的吞吐量为 17723 tok/s/chip，每百万 token 成本为 $0.02。TPU7x 的成本效率高出 49%；B200 的单芯片吞吐量高出 13%。
当 Muse Spark Open 816B 的目标交互性为 264 tok/s/user 时，B200 的吞吐量为 11778 tok/s/chip，每百万 token 成本为 $0.04；TPU7x 的吞吐量为 14152 tok/s/chip，每百万 token 成本为 $0.02。TPU7x 的成本效率高出 102%；TPU7x 的单芯片吞吐量高出 20%。
在 Muse Spark Open 816B 的 348 tok/s/user 运行点，B200 的吞吐量为 5205 tok/s/chip，每百万 token 成本为 $0.09；TPU7x 的吞吐量为 9123 tok/s/chip，每百万 token 成本为 $0.03。TPU7x 的成本效率高出 194%；TPU7x 的单芯片吞吐量高出 75%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B200:20030.6TPU7x:17722.9 | B200:11778.0TPU7x:14151.8 | B200:5204.5TPU7x:9122.6 |
| 成本（$/M tok） | B200:$0.024TPU7x:$0.016 | B200:$0.041TPU7x:$0.020 | B200:$0.092TPU7x:$0.031 |
| tok/s/MW | B200:11713829TPU7x:14683445 | B200:6887744TPU7x:11724803 | B200:3043581TPU7x:7558056 |
| 并发数 | B200:~12TPU7x:~11 | B200:~9TPU7x:~9 | B200:~5TPU7x:~5 |