对比 GB300 NVL72（NVIDIA Blackwell）与 H100（NVIDIA Hopper）在 Qwen 3.5 397B-A17B 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 Qwen 3.5 397B-A17B 的目标交互性为 224 tok/s/user 时，GB300 NVL72 的吞吐量为 86753 tok/s/chip，每百万 token 成本为 $0.01；H100 在该运行点暂无基准测试数据。
在 Qwen 3.5 397B-A17B 的 367 tok/s/user 运行点，GB300 NVL72 的吞吐量为 41457 tok/s/chip，每百万 token 成本为 $0.02；H100 在该运行点暂无数据。
当 Qwen 3.5 397B-A17B 的目标交互性为 510 tok/s/user 时，GB300 NVL72 的吞吐量为 5315 tok/s/chip，每百万 token 成本为 $0.12；H100 在该运行点尚未测试。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB300 NVL72:86753.2H100:— | GB300 NVL72:41456.9H100:— | GB300 NVL72:5315.4H100:— |
| 成本（$/M tok） | GB300 NVL72:$0.007H100:— | GB300 NVL72:$0.015H100:— | GB300 NVL72:$0.121H100:— |
| tok/s/MW | GB300 NVL72:40921308H100:— | GB300 NVL72:19555133H100:— | GB300 NVL72:2507250H100:— |
| 并发数 | GB300 NVL72:~460H100:— | GB300 NVL72:~51H100:— | GB300 NVL72:~8H100:— |
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。
TCO $/chip/hr：
来源： SemiAnalysis Market July 2026 Pricing Surveys & AI Cloud TCO Model
注意：分离式推理配置（如 MoRI SGLang、Dynamo TRTLLM）按解码芯片或预填充 芯片计算每百万 token 成本，而非按芯片总数计算。因此，与聚合配置进行token 成本的直接对比并不完全等价。
注意：分离式推理配置（如 MoRI SGLang、Dynamo TRTLLM）按解码芯片或预填充 芯片计算输入吞吐量，而非按芯片总数计算。因此，与聚合配置进行输入吞吐量的直接对比并不完全等价。
注意：分离式推理配置（如 MoRI SGLang、Dynamo TRTLLM）按解码芯片或预填充 芯片计算输出吞吐量，而非按芯片总数计算。因此，与聚合配置进行输出吞吐量的直接对比并不完全等价。
注意：分离式推理配置（如 MoRI SGLang、Dynamo TRTLLM）按解码芯片或预填充 芯片计算功耗，而非按芯片总数计算。因此，与聚合配置进行功耗的直接对比并不完全等价。
注意：分离式推理配置（如 MoRI SGLang、Dynamo TRTLLM）按解码芯片或预填充 芯片计算能耗，而非按芯片总数计算。因此，与聚合配置进行每 token 能耗的直接对比并不完全等价。
有符合条件的测量数据，但对应的芯片曲线已隐藏。
按住 Shift 滚动以缩放 · 拖动以平移 · 双击以重置 · 点击数据点固定提示框
Qwen3.5 397B 8K / 1K 每 1 美元 TCO 对应的总 token 数 vs. 交互性