Muse Spark Open 816B — GB200 NVL72 与 TPU7x
对比 GB200 NVL72（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 →
以 165 tok/s/user 为目标运行 Muse Spark Open 816B 时，GB200 NVL72 的吞吐量为 21295 tok/s/chip，每百万 token 成本为 $0.02；TPU7x 的吞吐量为 18720 tok/s/chip，每百万 token 成本为 $0.02。TPU7x 的成本效率高出 59%；GB200 NVL72 的单芯片吞吐量高出 14%。
236 tok/s/user 位于 95–377 tok/s/user 交互性区间的中段。在这一运行点，GB200 NVL72 运行 Muse Spark Open 816B 的吞吐量为 14733 tok/s/chip，每百万 token 成本为 $0.04；TPU7x 的吞吐量为 15517 tok/s/chip，每百万 token 成本为 $0.02。TPU7x 的成本效率高出 90%；TPU7x 的单芯片吞吐量高出 5%。
将 Muse Spark Open 816B 的目标交互性设为 307 tok/s/user 时，GB200 NVL72 的吞吐量为 8773 tok/s/chip，每百万 token 成本为 $0.06；TPU7x 的吞吐量为 11176 tok/s/chip，每百万 token 成本为 $0.03。TPU7x 的成本效率高出 130%；TPU7x 的单芯片吞吐量高出 27%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB200 NVL72:21294.7TPU7x:18719.7 | GB200 NVL72:14733.2TPU7x:15517.1 | GB200 NVL72:8772.5TPU7x:11175.7 |
| 成本（$/M tok） | GB200 NVL72:$0.024TPU7x:$0.015 | GB200 NVL72:$0.035TPU7x:$0.018 | GB200 NVL72:$0.059TPU7x:$0.026 |
| tok/s/MW | GB200 NVL72:11387556TPU7x:15509294 | GB200 NVL72:7878704TPU7x:12855931 | GB200 NVL72:4691197TPU7x:9259054 |
| 并发数 | GB200 NVL72:~12TPU7x:~13 | GB200 NVL72:~9TPU7x:~9 | GB200 NVL72:~5TPU7x:~7 |