GLM 5.3 744B — B300 vs GB300 NVL72
B300（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 →
在 GLM 5.3 744B 上以 168 tok/s/user 交互性运行时，B300 吞吐量为 7521 tok/s/chip，每百万 token 成本 $0.08；GB300 NVL72 吞吐量为 10342 tok/s/chip，成本 $0.06。GB300 NVL72 每 token 成本低 35%；GB300 NVL72 每芯片吞吐量高出 38%。
B300 在 GLM 5.3 744B 上以 211 tok/s/user 运行时达到 5343 tok/s/chip（每百万 token $0.12）；GB300 NVL72 达到 8674 tok/s/chip（$0.07）。GB300 NVL72 每 token 成本低 59%；GB300 NVL72 每芯片吞吐量高出 62%。
GLM 5.3 744B 在 255 tok/s/user 交互性下的吞吐量：B300 为 4219 tok/s/chip，GB300 NVL72 为 5245。每百万 token 成本分别为 $0.15 和 $0.12。GB300 NVL72 每 token 成本低 22%；GB300 NVL72 每芯片吞吐量高出 24%。 （数据反映此 URL 的默认 agentic-traces · fp4 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | B300:7521.3GB300 NVL72:10342.0 | B300:5342.9GB300 NVL72:8674.4 | B300:4219.0GB300 NVL72:5245.4 |
| Cost ($/M tok) | B300:$0.083GB300 NVL72:$0.062 | B300:$0.117GB300 NVL72:$0.074 | B300:$0.149GB300 NVL72:$0.122 |
| tok/s/MW | B300:3958572GB300 NVL72:4878309 | B300:2812059GB300 NVL72:4091711 | B300:2220540GB300 NVL72:2474257 |
| Concurrency | B300:~10GB300 NVL72:~49 | B300:~6GB300 NVL72:~29 | B300:~4GB300 NVL72:~10 |