Muse Spark 1.3/Open 816B · 芯片对比

Muse Spark 1.3/Open 816B — GB300 NVL72 与 H200

对比 GB300 NVL72(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 103 tok/s/user 为目标运行 Muse Spark 1.3/Open 816B 时,GB300 NVL72 的吞吐量为 61,890 tok/s/chip,每百万 token 成本为 $0.010;H200 的吞吐量为 5,337 tok/s/chip,每百万 token 成本为 $0.063。GB300 NVL72 的每 token 成本低 84%;GB300 NVL72 的单芯片吞吐量为对方的 12 倍。

131 tok/s/user 位于 74–188 tok/s/user 交互性区间的中段。在这一运行点,GB300 NVL72 运行 Muse Spark 1.3/Open 816B 的吞吐量为 55,156 tok/s/chip,每百万 token 成本为 $0.012;H200 的吞吐量为 3,889 tok/s/chip,每百万 token 成本为 $0.087。GB300 NVL72 的每 token 成本低 87%;GB300 NVL72 的单芯片吞吐量为对方的 14 倍。

将 Muse Spark 1.3/Open 816B 的目标交互性设为 160 tok/s/user 时,GB300 NVL72 的吞吐量为 48,590 tok/s/chip,每百万 token 成本为 $0.013;H200 的吞吐量为 2,089 tok/s/chip,每百万 token 成本为 $0.16。GB300 NVL72 的每 token 成本低 92%;GB300 NVL72 的单芯片吞吐量为对方的 23 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。)

查看每美元性能对比 →

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)
GB300 NVL7261,890H2005,337
GB300 NVL7255,156H2003,889
GB300 NVL7248,590H2002,089
成本($/M tok)
GB300 NVL72$0.010H200$0.063
GB300 NVL72$0.012H200$0.087
GB300 NVL72$0.013H200$0.16
tok/s/MW
GB300 NVL7229,193,244H2003,895,743
GB300 NVL7226,016,788H2002,838,916
GB300 NVL7222,919,861H2001,524,890
并发数
GB300 NVL72~52H200~8
GB300 NVL72~633H200~5
GB300 NVL72~306H200~2