对比 B300（NVIDIA Blackwell）与 GB200 NVL72（NVIDIA Blackwell）在 DeepSeek V4.1 Flash 552B 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 →
以 159 tok/s/user 为目标运行 DeepSeek V4.1 Flash 552B 时，B300 的吞吐量为 123405 tok/s/chip，每百万 token 成本为 $0.01；GB200 NVL72 的吞吐量为 94869 tok/s/chip，每百万 token 成本为 $0.01。B300 的成本效率高出 7%；B300 的单芯片吞吐量高出 30%。
278 tok/s/user 位于 41–515 tok/s/user 交互性区间的中段。在这一运行点，B300 运行 DeepSeek V4.1 Flash 552B 的吞吐量为 43192 tok/s/chip，每百万 token 成本为 $0.01；GB200 NVL72 的吞吐量为 17240 tok/s/chip，每百万 token 成本为 $0.03。B300 的成本效率高出 106%；B300 的单芯片吞吐量高出 151%。
将 DeepSeek V4.1 Flash 552B 的目标交互性设为 397 tok/s/user 时，B300 的吞吐量为 14133 tok/s/chip，每百万 token 成本为 $0.04；GB200 NVL72 的吞吐量为 16012 tok/s/chip，每百万 token 成本为 $0.03。GB200 NVL72 的成本效率高出 38%；GB200 NVL72 的单芯片吞吐量高出 13%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B300:123404.6GB200 NVL72:94868.7 | B300:43192.4GB200 NVL72:17239.8 | B300:14132.7GB200 NVL72:16012.5 |
| 成本（$/M tok） | B300:$0.005GB200 NVL72:$0.005 | B300:$0.015GB200 NVL72:$0.030 | B300:$0.044GB200 NVL72:$0.032 |
| tok/s/MW | B300:64949780GB200 NVL72:50731926 | B300:22732826GB200 NVL72:9219140 | B300:7438287GB200 NVL72:8562823 |
| 并发数 | B300:~35GB200 NVL72:~50 | B300:~12GB200 NVL72:~4 | B300:~4GB200 NVL72:~8 |
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。
