GLM 5.3 744B — GB200 NVL72 vs GB300 NVL72
GB200 NVL72（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 →
GB200 NVL72 / GB300 NVL72 在 GLM 5.3 744B 上以 143 tok/s/user 运行：12412 / 14234 tok/s/chip，$0.04 / $0.05 每百万 token。GB200 NVL72 每 token 成本低 8%；GB300 NVL72 每芯片吞吐量高出 15%。
在 92–297 tok/s/user 交互性区间的中部，即 GLM 5.3 744B 上以 195 tok/s/user 运行时：GB200 NVL72 达到 8529 tok/s/chip（$0.06/百万 token），GB300 NVL72 达到 9337（$0.07/百万）。GB200 NVL72 每 token 成本低 13%；GB300 NVL72 每芯片吞吐量高出 9%。
以 246 tok/s/user 为目标在 GLM 5.3 744B 上运行时，GB200 NVL72 产出 4979 tok/s/chip（每百万 token $0.10），GB300 NVL72 产出 6035（$0.11）。GB200 NVL72 每 token 成本低 2%；GB300 NVL72 每芯片吞吐量高出 21%。 （数据反映此 URL 的默认 agentic-traces · fp4 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | GB200 NVL72:12412.1GB300 NVL72:14233.7 | GB200 NVL72:8528.6GB300 NVL72:9337.2 | GB200 NVL72:4978.7GB300 NVL72:6034.6 |
| Cost ($/M tok) | GB200 NVL72:$0.042GB300 NVL72:$0.045 | GB200 NVL72:$0.061GB300 NVL72:$0.069 | GB200 NVL72:$0.104GB300 NVL72:$0.106 |
| tok/s/MW | GB200 NVL72:6637513GB300 NVL72:6714010 | GB200 NVL72:4560734GB300 NVL72:4404325 | GB200 NVL72:2662432GB300 NVL72:2846505 |
| Concurrency | GB200 NVL72:~63GB300 NVL72:~56 | GB200 NVL72:~39GB300 NVL72:~21 | GB200 NVL72:~5GB300 NVL72:~16 |