对比 B300（NVIDIA Blackwell）与 Vera Rubin NVL72（NVIDIA Vera Rubin）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 Vera Rubin NVL72 的吞吐量分别为 81505 和 221476 tok/s/chip，每百万 token 成本分别为 $0.01 和 $0.00。Vera Rubin NVL72 的成本效率高出 70%；Vera Rubin NVL72 的单芯片吞吐量高出 172%。
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；Vera Rubin NVL72 的吞吐量为 208116 tok/s/chip，每百万 token 成本为 $0.00。Vera Rubin NVL72 的成本效率高出 87%；Vera Rubin NVL72 的单芯片吞吐量高出 199%。
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；Vera Rubin NVL72 的吞吐量为 184810 tok/s/chip，每百万 token 成本为 $0.01。Vera Rubin NVL72 的成本效率高出 120%；Vera Rubin NVL72 的单芯片吞吐量高出 251%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B300:81505.3Vera Rubin NVL72:221476.2 | B300:69672.2Vera Rubin NVL72:208115.7 | B300:52685.2Vera Rubin NVL72:184810.1 |
| 成本（$/M tok） | B300:$0.008Vera Rubin NVL72:$0.005 | B300:$0.009Vera Rubin NVL72:$0.005 | B300:$0.012Vera Rubin NVL72:$0.005 |
| tok/s/MW | B300:42897518Vera Rubin NVL72:67113988 | B300:36669601Vera Rubin NVL72:63065349 | B300:27729063Vera Rubin NVL72:56003061 |
| 并发数 | B300:~16Vera Rubin NVL72:~216 | B300:~13Vera Rubin NVL72:~272 | B300:~10Vera Rubin NVL72:~286 |
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。
