GLM 5.3 744B — B200 vs GB200 NVL72
B200（NVIDIA Blackwell）与 GB200 NVL72（NVIDIA Blackwell）在 GLM 5.3 744B 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 →
GLM 5.3 744B 在 143 tok/s/user 交互性下的吞吐量：B200 为 7345 tok/s/chip，GB200 NVL72 为 12412。每百万 token 成本分别为 $0.07 和 $0.04。GB200 NVL72 每 token 成本低 57%；GB200 NVL72 每芯片吞吐量高出 69%。
B200 / GB200 NVL72 在 GLM 5.3 744B 上以 195 tok/s/user 运行：5083 / 8529 tok/s/chip，$0.09 / $0.06 每百万 token。GB200 NVL72 每 token 成本低 56%；GB200 NVL72 每芯片吞吐量高出 68%。
在 92–298 tok/s/user 交互性区间的高端，即 GLM 5.3 744B 上以 247 tok/s/user 运行时：B200 达到 4104 tok/s/chip（$0.12/百万 token），GB200 NVL72 达到 4946（$0.10/百万）。GB200 NVL72 每 token 成本低 12%；GB200 NVL72 每芯片吞吐量高出 21%。 （数据反映此 URL 的默认 agentic-traces · fp4 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | B200:7345.2GB200 NVL72:12412.1 | B200:5082.6GB200 NVL72:8528.6 | B200:4104.4GB200 NVL72:4946.4 |
| Cost ($/M tok) | B200:$0.065GB200 NVL72:$0.042 | B200:$0.095GB200 NVL72:$0.061 | B200:$0.117GB200 NVL72:$0.104 |
| tok/s/MW | B200:4295464GB200 NVL72:6637513 | B200:2972284GB200 NVL72:4560734 | B200:2400260GB200 NVL72:2645149 |
| Concurrency | B200:~11GB200 NVL72:~63 | B200:~6GB200 NVL72:~39 | B200:~4GB200 NVL72:~5 |