Muse Spark Open 816B — GB200 NVL72 与 Vera Rubin NVL72
对比 GB200 NVL72（NVIDIA Blackwell）与 Vera Rubin NVL72（NVIDIA Vera Rubin）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 →
174 tok/s/user 接近 107–377 tok/s/user 交互性区间的下限。在这一运行点，GB200 NVL72 运行 Muse Spark Open 816B 的吞吐量为 20043 tok/s/chip，每百万 token 成本为 $0.03；Vera Rubin NVL72 的吞吐量为 94020 tok/s/chip，每百万 token 成本为 $0.01。Vera Rubin NVL72 的成本效率高出 142%；Vera Rubin NVL72 的单芯片吞吐量高出 369%。
将 Muse Spark Open 816B 的目标交互性设为 242 tok/s/user 时，GB200 NVL72 的吞吐量为 14453 tok/s/chip，每百万 token 成本为 $0.04；Vera Rubin NVL72 的吞吐量为 68769 tok/s/chip，每百万 token 成本为 $0.01。Vera Rubin NVL72 的成本效率高出 145%；Vera Rubin NVL72 的单芯片吞吐量高出 376%。
当 Muse Spark Open 816B 的目标交互性为 310 tok/s/user 时，GB200 NVL72 的吞吐量为 8523 tok/s/chip，每百万 token 成本为 $0.06；Vera Rubin NVL72 的吞吐量为 55469 tok/s/chip，每百万 token 成本为 $0.02。Vera Rubin NVL72 的成本效率高出 235%；Vera Rubin NVL72 的单芯片吞吐量高出 551%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB200 NVL72:20043.5Vera Rubin NVL72:94020.2 | GB200 NVL72:14452.9Vera Rubin NVL72:68768.5 | GB200 NVL72:8522.7Vera Rubin NVL72:55469.2 |
| 成本（$/M tok） | GB200 NVL72:$0.026Vera Rubin NVL72:$0.011 | GB200 NVL72:$0.036Vera Rubin NVL72:$0.015 | GB200 NVL72:$0.061Vera Rubin NVL72:$0.018 |
| tok/s/MW | GB200 NVL72:10718434Vera Rubin NVL72:28490956 | GB200 NVL72:7728841Vera Rubin NVL72:20838944 | GB200 NVL72:4557599Vera Rubin NVL72:16808839 |
| 并发数 | GB200 NVL72:~12Vera Rubin NVL72:~54 | GB200 NVL72:~9Vera Rubin NVL72:~38 | GB200 NVL72:~4Vera Rubin NVL72:~28 |