对比 GB200 NVL72（NVIDIA Blackwell）与 GB300 NVL72（NVIDIA Blackwell）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 123 tok/s/user 时，GB200 NVL72 的吞吐量为 18284 tok/s/chip，每百万 token 成本为 $0.03；GB300 NVL72 的吞吐量为 18998 tok/s/chip，每百万 token 成本为 $0.03。GB200 NVL72 的成本效率高出 20%；GB300 NVL72 的单芯片吞吐量高出 4%。
在 Muse Spark Open 816B 的 189 tok/s/user 运行点，GB200 NVL72 的吞吐量为 8872 tok/s/chip，每百万 token 成本为 $0.06；GB300 NVL72 的吞吐量为 14740 tok/s/chip，每百万 token 成本为 $0.04。GB300 NVL72 的成本效率高出 34%；GB300 NVL72 的单芯片吞吐量高出 66%。
当 Muse Spark Open 816B 的目标交互性为 255 tok/s/user 时，GB200 NVL72 与 GB300 NVL72 的吞吐量分别为 5701 和 7049 tok/s/chip，每百万 token 成本分别为 $0.09 和 $0.09。每 token 成本基本持平；GB300 NVL72 的单芯片吞吐量高出 24%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB200 NVL72:18283.8GB300 NVL72:18998.1 | GB200 NVL72:8872.1GB300 NVL72:14739.8 | GB200 NVL72:5700.9GB300 NVL72:7049.1 |
| 成本（$/M tok） | GB200 NVL72:$0.028GB300 NVL72:$0.034 | GB200 NVL72:$0.058GB300 NVL72:$0.044 | GB200 NVL72:$0.091GB300 NVL72:$0.091 |
| tok/s/MW | GB200 NVL72:9777452GB300 NVL72:8961353 | GB200 NVL72:4744416GB300 NVL72:6952723 | GB200 NVL72:3048613GB300 NVL72:3325057 |
| 并发数 | GB200 NVL72:~13GB300 NVL72:~14 | GB200 NVL72:~7GB300 NVL72:~11 | GB200 NVL72:~3GB300 NVL72:~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。
