Muse Spark 1.3/Open 816B · 芯片对比

Muse Spark 1.3/Open 816B — B300 与 H200

对比 B300(NVIDIA Blackwell)与 H200(NVIDIA Hopper)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 →

以 98 tok/s/user 为目标运行 Muse Spark 1.3/Open 816B 时,B300 的吞吐量为 49,758 tok/s/chip,每百万 token 成本为 $0.013;H200 的吞吐量为 5,633 tok/s/chip,每百万 token 成本为 $0.060。B300 的每 token 成本低 79%;B300 的单芯片吞吐量为对方的 8.8 倍。

128 tok/s/user 位于 68–188 tok/s/user 交互性区间的中段。在这一运行点,B300 运行 Muse Spark 1.3/Open 816B 的吞吐量为 39,347 tok/s/chip,每百万 token 成本为 $0.016;H200 的吞吐量为 4,042 tok/s/chip,每百万 token 成本为 $0.084。B300 的每 token 成本低 81%;B300 的单芯片吞吐量为对方的 9.7 倍。

将 Muse Spark 1.3/Open 816B 的目标交互性设为 158 tok/s/user 时,B300 的吞吐量为 33,414 tok/s/chip,每百万 token 成本为 $0.019;H200 的吞吐量为 2,123 tok/s/chip,每百万 token 成本为 $0.16。B300 的每 token 成本低 88%;B300 的单芯片吞吐量为对方的 16 倍。 (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。)

查看每美元性能对比 →

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)
B30049,758H2005,633
B30039,347H2004,042
B30033,414H2002,123
成本($/M tok)
B300$0.013H200$0.060
B300$0.016H200$0.084
B300$0.019H200$0.16
tok/s/MW
B30026,188,275H2004,111,712
B30020,709,006H2002,950,229
B30017,586,100H2001,549,713
并发数
B300~41H200~8
B300~29H200~6
B300~24H200~2