对比 B300（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 →
当 Muse Spark Open 816B 的目标交互性为 57 tok/s/user 时，B300 与 H200 的吞吐量分别为 21347 和 6063 tok/s/chip，每百万 token 成本分别为 $0.03 和 $0.06。B300 的成本效率高出 90%；B300 的单芯片吞吐量高出 252%。
以 100 tok/s/user 为目标运行 Muse Spark Open 816B 时，B300 的吞吐量为 21347 tok/s/chip，每百万 token 成本为 $0.03；H200 的吞吐量为 4493 tok/s/chip，每百万 token 成本为 $0.08。B300 的成本效率高出 156%；B300 的单芯片吞吐量高出 375%。
144 tok/s/user 接近 15–186 tok/s/user 交互性区间的上限。在这一运行点，B300 运行 Muse Spark Open 816B 的吞吐量为 18037 tok/s/chip，每百万 token 成本为 $0.03；H200 的吞吐量为 2777 tok/s/chip，每百万 token 成本为 $0.12。B300 的成本效率高出 251%；B300 的单芯片吞吐量高出 549%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B300:21346.8H200:6062.8 | B300:21346.8H200:4493.2 | B300:18037.2H200:2777.1 |
| 成本（$/M tok） | B300:$0.029H200:$0.056 | B300:$0.029H200:$0.075 | B300:$0.035H200:$0.122 |
| tok/s/MW | B300:11235170H200:4425385 | B300:11235170H200:3279683 | B300:9493286H200:2027099 |
| 并发数 | B300:~16H200:~13 | B300:~16H200:~8 | B300:~14H200:~5 |
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。
