对比 GB300 NVL72（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 56 tok/s/user 时，GB300 NVL72 的吞吐量为 22642 tok/s/chip，每百万 token 成本为 $0.03；H200 的吞吐量为 6098 tok/s/chip，每百万 token 成本为 $0.06。GB300 NVL72 的成本效率高出 96%；GB300 NVL72 的单芯片吞吐量高出 271%。
在 Muse Spark Open 816B 的 99 tok/s/user 运行点，GB300 NVL72 的吞吐量为 20454 tok/s/chip，每百万 token 成本为 $0.03；H200 的吞吐量为 4532 tok/s/chip，每百万 token 成本为 $0.07。GB300 NVL72 的成本效率高出 138%；GB300 NVL72 的单芯片吞吐量高出 351%。
当 Muse Spark Open 816B 的目标交互性为 143 tok/s/user 时，GB300 NVL72 与 H200 的吞吐量分别为 17738 和 2823 tok/s/chip，每百万 token 成本分别为 $0.04 和 $0.12。GB300 NVL72 的成本效率高出 232%；GB300 NVL72 的单芯片吞吐量高出 528%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB300 NVL72:22642.0H200:6097.9 | GB300 NVL72:20454.5H200:4531.5 | GB300 NVL72:17738.2H200:2822.7 |
| 成本（$/M tok） | GB300 NVL72:$0.028H200:$0.056 | GB300 NVL72:$0.031H200:$0.075 | GB300 NVL72:$0.036H200:$0.120 |
| tok/s/MW | GB300 NVL72:10680176H200:4451017 | GB300 NVL72:9648340H200:3307691 | GB300 NVL72:8367078H200:2060348 |
| 并发数 | GB300 NVL72:~20H200:~13 | GB300 NVL72:~16H200:~8 | GB300 NVL72:~13H200:~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。
