对比 B300（NVIDIA Blackwell）与 GB300 NVL72（NVIDIA Blackwell）在 GLM 5.3 744B 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 GLM 5.3 744B 的目标交互性为 148 tok/s/user 时，B300 的吞吐量为 14200 tok/s/chip，每百万 token 成本为 $0.04；GB300 NVL72 的吞吐量为 16193 tok/s/chip，每百万 token 成本为 $0.04。GB300 NVL72 的成本效率高出 12%；GB300 NVL72 的单芯片吞吐量高出 14%。
在 GLM 5.3 744B 的 205 tok/s/user 运行点，B300 的吞吐量为 7252 tok/s/chip，每百万 token 成本为 $0.09；GB300 NVL72 的吞吐量为 10438 tok/s/chip，每百万 token 成本为 $0.06。GB300 NVL72 的成本效率高出 41%；GB300 NVL72 的单芯片吞吐量高出 44%。
当 GLM 5.3 744B 的目标交互性为 262 tok/s/user 时，B300 与 GB300 NVL72 的吞吐量分别为 5497 和 4232 tok/s/chip，每百万 token 成本分别为 $0.11 和 $0.15。B300 的成本效率高出 33%；B300 的单芯片吞吐量高出 30%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B300:14199.5GB300 NVL72:16193.4 | B300:7252.0GB300 NVL72:10437.6 | B300:5496.8GB300 NVL72:4231.7 |
| 成本（$/M tok） | B300:$0.044GB300 NVL72:$0.040 | B300:$0.087GB300 NVL72:$0.061 | B300:$0.114GB300 NVL72:$0.152 |
| tok/s/MW | B300:7473441GB300 NVL72:7638404 | B300:3816865GB300 NVL72:4923420 | B300:2893034GB300 NVL72:1996075 |
| 并发数 | B300:~9GB300 NVL72:~55 | B300:~8GB300 NVL72:~20 | B300:~1GB300 NVL72:~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。
