Qwen 3.8 Flash Next 176B-A6B — B300 vs H200
B300（NVIDIA Blackwell）与 H200（NVIDIA Hopper）在 Qwen 3.8 Flash Next 176B-A6B 上的正面 AI 推理基准测试对比。涵盖各类 LLM 工作负载的延迟、吞吐量与成本。使用下方图表控件切换序列、精度和指标——交互方式与主推理图表相同。
AgentX 回放真实的编码 agent 会话，而不是固定长度的 prompt，因此上下文随轮次不断增长，每个请求的大部分内容由 cache 提供而无需重新计算。这让对比变成一个系统问题：跨节点的 KV 传输、prefix 感知路由与 cache 容量，都会与芯片原始吞吐量一同影响曲线。固定序列负载仍然是衡量 kernel 与芯片性能的干净基线，因此两种场景回答的是关于同一硬件的不同问题。 进一步了解 AgentX →
B300 在 Qwen 3.8 Flash Next 176B-A6B 上以 71 tok/s/user 运行时达到 81505 tok/s/chip（每百万 token $0.01）。H200 在此工作点没有数据。
B300：69672 tok/s/chip，每百万 token $0.01（Qwen 3.8 Flash Next 176B-A6B 上以 104 tok/s/user 运行）。H200 在此点尚未测试。
在 Qwen 3.8 Flash Next 176B-A6B 上以 137 tok/s/user 运行时，B300 吞吐量为 52685 tok/s/chip，每百万 token 成本 $0.01；H200 在此目标点没有基准测试数据。 （数据反映此 URL 的默认 agentic-traces · fp4 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | B300:81505.3H200:— | B300:69672.2H200:— | B300:52685.2H200:— |
| Cost ($/M tok) | B300:$0.008H200:— | B300:$0.009H200:— | B300:$0.012H200:— |
| tok/s/MW | B300:42897518H200:— | B300:36669601H200:— | B300:27729063H200:— |
| Concurrency | B300:~16H200:— | B300:~13H200:— | B300:~10H200:— |