Muse Spark Open 816B — H200 与 Vera Rubin NVL72
对比 H200（NVIDIA Hopper）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 →
当 Muse Spark Open 816B 的目标交互性为 127 tok/s/user 时，H200 的吞吐量为 4092 tok/s/chip，每百万 token 成本为 $0.08；Vera Rubin NVL72 的吞吐量为 123443 tok/s/chip，每百万 token 成本为 $0.01。Vera Rubin NVL72 的成本效率高出 920%；Vera Rubin NVL72 的单芯片吞吐量高出 2917%。
在 Muse Spark Open 816B 的 148 tok/s/user 运行点，H200 的吞吐量为 2852 tok/s/chip，每百万 token 成本为 $0.12；Vera Rubin NVL72 的吞吐量为 109358 tok/s/chip，每百万 token 成本为 $0.01。Vera Rubin NVL72 的成本效率高出 1196%；Vera Rubin NVL72 的单芯片吞吐量高出 3734%。
当 Muse Spark Open 816B 的目标交互性为 168 tok/s/user 时，H200 与 Vera Rubin NVL72 的吞吐量分别为 2021 和 97287 tok/s/chip，每百万 token 成本分别为 $0.17 和 $0.01。Vera Rubin NVL72 的成本效率高出 1527%；Vera Rubin NVL72 的单芯片吞吐量高出 4715%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | H200:4091.8Vera Rubin NVL72:123442.7 | H200:2852.4Vera Rubin NVL72:109357.5 | H200:2020.7Vera Rubin NVL72:97287.4 |
| 成本（$/M tok） | H200:$0.083Vera Rubin NVL72:$0.008 | H200:$0.119Vera Rubin NVL72:$0.009 | H200:$0.168Vera Rubin NVL72:$0.010 |
| tok/s/MW | H200:2986716Vera Rubin NVL72:37406864 | H200:2082014Vera Rubin NVL72:33138645 | H200:1474935Vera Rubin NVL72:29481015 |
| 并发数 | H200:~6Vera Rubin NVL72:~82 | H200:~4Vera Rubin NVL72:~68 | H200:~2Vera Rubin NVL72:~57 |