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 $0.16。B300 的每 token 成本低 88%;B300 的单芯片吞吐量为对方的 16 倍。 (以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | B30049,758H2005,633 | B30039,347H2004,042 | B30033,414H2002,123 |
| 成本($/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 |