对比 B300（NVIDIA Blackwell）与 GB300 NVL72（NVIDIA Blackwell）在 Qwen 3.8 Flash Next 176B-A6B 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 3.8 Flash Next 176B-A6B 的目标交互性为 71 tok/s/user 时，B300 与 GB300 NVL72 的吞吐量分别为 81505 和 91644 tok/s/chip，每百万 token 成本分别为 $0.01 和 $0.01。GB300 NVL72 的成本效率高出 10%；GB300 NVL72 的单芯片吞吐量高出 12%。
以 104 tok/s/user 为目标运行 Qwen 3.8 Flash Next 176B-A6B 时，B300 的吞吐量为 69672 tok/s/chip，每百万 token 成本为 $0.01；GB300 NVL72 的吞吐量为 63790 tok/s/chip，每百万 token 成本为 $0.01。B300 的成本效率高出 12%；B300 的单芯片吞吐量高出 9%。
137 tok/s/user 接近 38–170 tok/s/user 交互性区间的上限。在这一运行点，B300 运行 Qwen 3.8 Flash Next 176B-A6B 的吞吐量为 52685 tok/s/chip，每百万 token 成本为 $0.01；GB300 NVL72 的吞吐量为 44523 tok/s/chip，每百万 token 成本为 $0.01。B300 的成本效率高出 21%；B300 的单芯片吞吐量高出 18%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B300:81505.3GB300 NVL72:91644.3 | B300:69672.2GB300 NVL72:63789.7 | B300:52685.2GB300 NVL72:44522.7 |
| 成本（$/M tok） | B300:$0.008GB300 NVL72:$0.007 | B300:$0.009GB300 NVL72:$0.010 | B300:$0.012GB300 NVL72:$0.014 |
| tok/s/MW | B300:42897518GB300 NVL72:43228452 | B300:36669601GB300 NVL72:30089471 | B300:27729063GB300 NVL72:21001278 |
| 并发数 | B300:~16GB300 NVL72:~19 | B300:~13GB300 NVL72:~12 | B300:~10GB300 NVL72:~9 |
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。
