InferenceX
EN
DeepSeekv4 Pro 0813 1.6T · 芯片对比

DeepSeekv4 Pro 0813 1.6T — B200 vs GB300 NVL72

B200（NVIDIA Blackwell）与 GB300 NVL72（NVIDIA Blackwell）在 DeepSeekv4 Pro 0813 1.6T 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 →

DeepSeekv4 Pro 0813 1.6T 在 69 tok/s/user 交互性下的吞吐量：B200 为 11397 tok/s/chip，GB300 NVL72 为 67741。每百万 token 成本分别为 $0.04 和 $0.01。GB300 NVL72 每 token 成本低 345%；GB300 NVL72 每芯片吞吐量高出 494%。

B200 / GB300 NVL72 在 DeepSeekv4 Pro 0813 1.6T 上以 109 tok/s/user 运行：5994 / 6564 tok/s/chip，$0.08 / $0.10 每百万 token。B200 每 token 成本低 22%；GB300 NVL72 每芯片吞吐量高出 10%。

在 30–187 tok/s/user 交互性区间的高端，即 DeepSeekv4 Pro 0813 1.6T 上以 148 tok/s/user 运行时：B200 达到 3343 tok/s/chip（$0.14/百万 token），GB300 NVL72 达到 3615（$0.18/百万）。B200 每 token 成本低 23%；GB300 NVL72 每芯片吞吐量高出 8%。 （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。）

查看每美元性能对比 →

Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.
Metric
Interactivity (tok/s/user)
Interactivity (tok/s/user)
Interactivity (tok/s/user)
Throughput (tok/s/chip)
B200:11396.6GB300 NVL72:67741.2
B200:5993.7GB300 NVL72:6564.4
B200:3343.3GB300 NVL72:3615.2
Cost ($/M tok)
B200:$0.042GB300 NVL72:$0.009
B200:$0.080GB300 NVL72:$0.098
B200:$0.144GB300 NVL72:$0.177
tok/s/MW
B200:6664662GB300 NVL72:31953399
B200:3505081GB300 NVL72:3096415
B200:1955148GB300 NVL72:1705296
Concurrency
B200:~19GB300 NVL72:~550
B200:~8GB300 NVL72:~5
B200:~4GB300 NVL72:~2

推理性能

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。

每 1 美元可购买的总 token 数（自有 - Neocloud Giant） vs. 交互性

DeepSeek V4 Pro 0813 1.6T • FP4 • 8K / 1K • 来源：SemiAnalysis InferenceX™

TCO $/chip/hr： VR200: 3.61H100: 1.55H200: 1.59B200: 2.07B300: 2.52GB200: 2.26GB300: 2.79MI300X: 1.16MI325X: 1.32MI355X: 2.09RTX6000PRO: 0.75Jalapeño (Teacup): 1.56

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。

No data available

Please change the model, sequence, precision, date range or chip selection.

Shift+Scroll to zoom • Drag to pan • Double-click to reset • Click a point to pin tooltip