GLM 5.3 744B — B200 vs GB300 NVL72
B200（NVIDIA Blackwell）与 GB300 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 →
以 143 tok/s/user 为目标在 GLM 5.3 744B 上运行时，B200 产出 7345 tok/s/chip（每百万 token $0.07），GB300 NVL72 产出 14234（$0.05）。GB300 NVL72 每 token 成本低 45%；GB300 NVL72 每芯片吞吐量高出 94%。
在 GLM 5.3 744B 上以 194 tok/s/user 交互性运行时，B200 吞吐量为 5104 tok/s/chip，每百万 token 成本 $0.09；GB300 NVL72 吞吐量为 9375 tok/s/chip，成本 $0.07。GB300 NVL72 每 token 成本低 38%；GB300 NVL72 每芯片吞吐量高出 84%。
B200 在 GLM 5.3 744B 上以 246 tok/s/user 运行时达到 4129 tok/s/chip（每百万 token $0.12）；GB300 NVL72 达到 6035 tok/s/chip（$0.11）。GB300 NVL72 每 token 成本低 9%；GB300 NVL72 每芯片吞吐量高出 46%。 （数据反映此 URL 的默认 agentic-traces · fp4 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | B200:7345.2GB300 NVL72:14233.7 | B200:5104.0GB300 NVL72:9375.1 | B200:4128.9GB300 NVL72:6034.6 |
| Cost ($/M tok) | B200:$0.065GB300 NVL72:$0.045 | B200:$0.094GB300 NVL72:$0.068 | B200:$0.116GB300 NVL72:$0.106 |
| tok/s/MW | B200:4295464GB300 NVL72:6714010 | B200:2984785GB300 NVL72:4422209 | B200:2414588GB300 NVL72:2846505 |
| Concurrency | B200:~11GB300 NVL72:~56 | B200:~6GB300 NVL72:~21 | B200:~4GB300 NVL72:~16 |