对比 GB200 NVL72（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 →
以 144 tok/s/user 为目标运行 GLM 5.3 744B 时，GB200 NVL72 的吞吐量为 13626 tok/s/chip，每百万 token 成本为 $0.04；GB300 NVL72 的吞吐量为 16726 tok/s/chip，每百万 token 成本为 $0.04。GB200 NVL72 的成本效率高出 1%；GB300 NVL72 的单芯片吞吐量高出 23%。
198 tok/s/user 位于 92–303 tok/s/user 交互性区间的中段。在这一运行点，GB200 NVL72 运行 GLM 5.3 744B 的吞吐量为 7798 tok/s/chip，每百万 token 成本为 $0.07；GB300 NVL72 的吞吐量为 10928 tok/s/chip，每百万 token 成本为 $0.06。GB300 NVL72 的成本效率高出 13%；GB300 NVL72 的单芯片吞吐量高出 40%。
将 GLM 5.3 744B 的目标交互性设为 251 tok/s/user 时，GB200 NVL72 的吞吐量为 4610 tok/s/chip，每百万 token 成本为 $0.11；GB300 NVL72 的吞吐量为 6118 tok/s/chip，每百万 token 成本为 $0.10。GB300 NVL72 的成本效率高出 7%；GB300 NVL72 的单芯片吞吐量高出 33%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB200 NVL72:13625.7GB300 NVL72:16726.1 | GB200 NVL72:7797.8GB300 NVL72:10927.7 | GB200 NVL72:4610.4GB300 NVL72:6118.4 |
| 成本（$/M tok） | GB200 NVL72:$0.038GB300 NVL72:$0.038 | GB200 NVL72:$0.066GB300 NVL72:$0.059 | GB200 NVL72:$0.112GB300 NVL72:$0.105 |
| tok/s/MW | GB200 NVL72:7286479GB300 NVL72:7889678 | GB200 NVL72:4169944GB300 NVL72:5154578 | GB200 NVL72:2465450GB300 NVL72:2886031 |
| 并发数 | GB200 NVL72:~68GB300 NVL72:~53 | GB200 NVL72:~10GB300 NVL72:~21 | GB200 NVL72:~5GB300 NVL72:~13 |
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。
