Kimi K3 2.8T — B300 vs GB200 NVL72
B300（NVIDIA Blackwell）与 GB200 NVL72（NVIDIA Blackwell）在 Kimi K3 2.8T 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 8–197 tok/s/user 交互性区间的低端，即 Kimi K3 2.8T 上以 55 tok/s/user 运行时：B300 达到 5745 tok/s/chip（$0.11/百万 token），GB200 NVL72 达到 4214（$0.12/百万）。B300 每 token 成本低 12%；B300 每芯片吞吐量高出 36%。
以 103 tok/s/user 为目标在 Kimi K3 2.8T 上运行时，B300 产出 3971 tok/s/chip（每百万 token $0.16），GB200 NVL72 产出 2175（$0.24）。B300 每 token 成本低 50%；B300 每芯片吞吐量高出 83%。
在 Kimi K3 2.8T 上以 150 tok/s/user 交互性运行时，B300 吞吐量为 2075 tok/s/chip，每百万 token 成本 $0.30；GB200 NVL72 吞吐量为 1247 tok/s/chip，成本 $0.41。B300 每 token 成本低 37%；B300 每芯片吞吐量高出 66%。 （数据反映此 URL 的默认 agentic-traces · fp4 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | B300:5744.5GB200 NVL72:4213.5 | B300:3971.0GB200 NVL72:2174.8 | B300:2075.0GB200 NVL72:1246.9 |
| Cost ($/M tok) | B300:$0.109GB200 NVL72:$0.123 | B300:$0.158GB200 NVL72:$0.238 | B300:$0.303GB200 NVL72:$0.414 |
| tok/s/MW | B300:3023432GB200 NVL72:2253226 | B300:2090009GB200 NVL72:1162989 | B300:1092106GB200 NVL72:666816 |
| Concurrency | B300:~9GB200 NVL72:~16 | B300:~6GB200 NVL72:~8 | B300:~2GB200 NVL72:~3 |