InferenceX
EN
DeepSeekv4 Pro 0813 1.6T · 芯片对比

DeepSeekv4 Pro 0813 1.6T — B300 vs GB200 NVL72

B300（NVIDIA Blackwell）与 GB200 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 →

在 DeepSeekv4 Pro 0813 1.6T 上以 75 tok/s/user 交互性运行时，B300 吞吐量为 14354 tok/s/chip，每百万 token 成本 $0.04；GB200 NVL72 吞吐量为 11946 tok/s/chip，成本 $0.04。GB200 NVL72 每 token 成本低 1%；B300 每芯片吞吐量高出 20%。

B300 在 DeepSeekv4 Pro 0813 1.6T 上以 110 tok/s/user 运行时达到 8726 tok/s/chip（每百万 token $0.07）；GB200 NVL72 达到 3795 tok/s/chip（$0.14）。B300 每 token 成本低 89%；B300 每芯片吞吐量高出 130%。

DeepSeekv4 Pro 0813 1.6T 在 145 tok/s/user 交互性下的吞吐量：B300 为 5439 tok/s/chip，GB200 NVL72 为 2694。每百万 token 成本分别为 $0.12 和 $0.19。B300 每 token 成本低 66%；B300 每芯片吞吐量高出 102%。 （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)
B300:14353.7GB200 NVL72:11945.6
B300:8726.2GB200 NVL72:3795.5
B300:5438.8GB200 NVL72:2694.2
Cost ($/M tok)
B300:$0.044GB200 NVL72:$0.043
B300:$0.072GB200 NVL72:$0.136
B300:$0.115GB200 NVL72:$0.192
tok/s/MW
B300:7554570GB200 NVL72:6388027
B300:4592732GB200 NVL72:2029668
B300:2862507GB200 NVL72:1440737
Concurrency
B300:~11GB200 NVL72:~38
B300:~7GB200 NVL72:~5
B300:~3GB200 NVL72:~3

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