对比 B300（NVIDIA Blackwell）与 H100（NVIDIA Hopper）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 →
当 DeepSeek V4.1 Flash 552B 的目标交互性为 106 tok/s/user 时，B300 的吞吐量为 201421 tok/s/chip，每百万 token 成本为 $0.00；H100 的吞吐量为 9361 tok/s/chip，每百万 token 成本为 $0.03。B300 的成本效率高出 1014%；B300 的单芯片吞吐量高出 2052%。
在 DeepSeek V4.1 Flash 552B 的 172 tok/s/user 运行点，B300 的吞吐量为 114989 tok/s/chip，每百万 token 成本为 $0.01；H100 的吞吐量为 6184 tok/s/chip，每百万 token 成本为 $0.05。B300 的成本效率高出 863%；B300 的单芯片吞吐量高出 1760%。
当 DeepSeek V4.1 Flash 552B 的目标交互性为 238 tok/s/user 时，B300 与 H100 的吞吐量分别为 62107 和 3968 tok/s/chip，每百万 token 成本分别为 $0.01 和 $0.08。B300 的成本效率高出 710%；B300 的单芯片吞吐量高出 1465%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B300:201421.5H100:9361.3 | B300:114989.0H100:6183.9 | B300:62107.2H100:3968.3 |
| 成本（$/M tok） | B300:$0.003H100:$0.035 | B300:$0.005H100:$0.053 | B300:$0.010H100:$0.082 |
| tok/s/MW | B300:106011308H100:6833048 | B300:60520514H100:4513768 | B300:32687981H100:2896571 |
| 并发数 | B300:~60H100:~12 | B300:~30H100:~7 | B300:~17H100:~4 |
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。
