训练任务选 B300：先算显存与成本

B300 比 B200 贵，训练却未必更快。原文的结论很明确：Blackwell Ultra 的主要增量是显存，BF16、FP8 的常规训练算力没有提高。选卡要算完成一次任务的成本，不能只看型号新旧。

作者用 Nodus 的报价和 NVIDIA 的规格划出两条线：同样数量的 GPU，B300 要快约 26% 才划算；如果大显存能把双节点任务塞进单节点，则要重新计算。对需要租卡微调、自建模型服务的团队，这比峰值算力更有参考价值。

贵了 26%，训练速度靠什么追回来

B300 单卡显存从 B200 的 180 GB 增至 288 GB，FP4 吞吐、注意力计算和节点网络也有提升。但密集 BF16、FP8 算力、显存带宽和 NVLink 没变。两种 HGX 板卡的稀疏 BF16 都是 36 PFLOPS，密集算力取其一半；单卡显存带宽都是 8 TB/s。

这里的 B200 按实际八卡系统的 180 GB 计算：DGX B200 总显存是 1,440 GB。技术博客里的 192 GB 是 Blackwell 的最大容量，不能直接拿来估算租到的机器。

原文采用 2026 年 11 月 4 日核对的 Nodus 报价：B200 每 GPU 小时 $5.50，B300 为 $6.943。两者相除是 1.262，所以同等卡数下，B300 必须把吞吐提高约 26%，才能抵消溢价。

假设任务在 B200 上需要 1,000 GPU-hours，例如 8 张卡跑 125 小时，总价是 $5,500。换成同速 B300，成本变成 $6,943，多出 $1,443；达到 1.262 倍速度才持平，达到 1.5 倍则约为 $4,628.67。

规格上限不等于整次训练的加速比。

作者明确说明，这些加速比来自规格推算，并非他们的实测。1.5 倍假设任务全部时间都花在 NVFP4 张量计算上，真实训练还包含 BF16 层、通信和数据加载。注意力相关提升覆盖每步中的 softmax 部分，也不能直接外推到整个任务。

B300 仍使用 TSMC 4NP 工艺和 208 billion，也就是 2080 亿晶体管，属于同架构刷新；原文提到的下一代是 Rubin。型号更新并不能证明现有训练会提速。

288 GB 显存，什么时候真能省钱

作者借用 ZeRO 论文的经验估算：混合精度 Adam 训练，每个参数约需 16 字节。其中 BF16 权重占 2 字节，梯度占 2 字节，FP32 主权重和两个 Adam 状态合计占 12 字节。激活值还要另算，随批大小和序列长度变化。

只计算训练状态，单张 B200 的容量上限是 180 ÷ 16 = 11.25B 参数，B300 是 288 ÷ 16 = 18B。八卡节点通过 FSDP 或 ZeRO-3 完整分片后，分别约为 90B 和 144B，相差 54B。

这里的「分片」，就是让多张卡分别保存一部分训练状态。

但显存能装下，不代表预算就能减半。14B 全量微调的状态约占 224 GB：一张 B300 可以容纳，还剩 64 GB 放激活值；B200 则需要两张卡，每张分担 112 GB。两张 B200 同时提供更多算力，理想情况下耗时也会缩短，因此 GPU-hours 和账单未必下降。

真正关键的是跨越节点边界。100B 稠密模型的状态约占 1,600 GB，超过一个 B200 节点的 1,440 GB，却能放进理论总显存为 2,304 GB 的 B300 节点，还剩 704 GB，平均每卡 88 GB。

这里有个规格口径差异：NVIDIA 的 HGX 页面把 B300 整板显存列为 2.1 TB，低于 8 × 288 GB。按这一容量估算，训练状态上限约为 131B。100B 示例仍能容纳，但实际激活值余量必须按供应商交付的容量重算。

一节点 B300 和两节点 B200，谁更划算

一个八卡 B300 节点每小时约 $55.54，两个八卡 B200 节点是 $88.00。后者贵约 1.58 倍，因此吞吐也至少要达到前者的 1.584 倍，才能打平。

16 张 B200 的 BF16 总算力是 8 张 B300 的两倍。把 1.584 除以理想的 2 倍扩展，得到约 79% 的效率门槛。按照作者的模型，双节点 B200 的扩展效率低于这个水平，单节点 B300 更便宜；高于它，B200 可能更快、更省。

跨节点通信是关键变量。原文给出的板内 NVLink 总带宽是 14.4 TB/s，HGX B200 每板网络带宽是 0.8 TB/s。这不是完整的通信性能测试，但能解释为何增加一倍 GPU，吞吐不一定翻倍。Nodus 的多节点训练仍处于 Beta，支持最多 8 个节点的 gang 调度，也就是把同一任务所需节点成组分配。

额外显存还可能允许更大的 micro-batch，或减少激活重计算。作者没有测量这些收益，建议用短任务试跑定价，不能直接算成确定的加速。

我的判断

这篇最有用的地方，是把「卡贵不贵」改成了「任务完成一次贵不贵」。不过，1.262 和 79% 都依赖特定报价与比较方式，换平台、换网络配置，就要重新计算。

79% 尤其适合作为初筛线。它隐含了单卡有效性能接近、并行方案可比较等前提。原文没有给出同一模型在两种配置上的端到端对照测试，因此它是成本模型，不能当作通用跑分结论。

作者推荐 B200 承担能装下的大多数训练，这个方向合理。例如 70B 全量微调的训练状态约占 1,120 GB，在八卡 B200 上平均每卡还剩 40 GB。但这部分余量是否够放激活值，仍取决于训练配置。

NVFP4 也不是为了让 B300「值回票价」就该启用的选项。训练配方需要支持它，还要验证模型质量。至于 FP64，原文列出的整板性能是 B200 的 296 TFLOPS 对 B300 的 10 TFLOPS；BF16 功耗效率方面，B300 最大 TGP 更高，也是选型成本。

如果主要用途是长上下文推理，显存和注意力提升更切题，但本文没有推理实测。原文另列 H200 SXM：141 GB、$3.593/hr；B300 显存约为其两倍，价格约为 1.93 倍。这只能作为容量与报价参照。

能拿来做什么

• 租卡前先估算训练状态，再给激活值留空间。沿用混合精度 Adam 时，可以先按每参数 16 字节粗算，并核对机器实际报告的显存。
• 用短跑记录吞吐、峰值显存和预计总费用。若任务跨节点，再实测扩展效率；如果尝试 NVFP4，还要比较训练质量。
• 在 Nodus 上先用 nodus get gpus 查看供给，再用下面的配置按显存筛选，让调度器在符合条件的卡中按预计完成成本选择。

spec:
  resources:
    gpu: {minMemory: 160Gi, count: 8}

要留意 minMemory: 160Gi 的单位：B200 的 180 GB 约为 167.6 GiB，因此它和 B300 都符合条件，141 GB 的 H200 会被排除。需要固定 B200 时，可使用原文给出的别名 type: B200。

• 正式启动前查看调度与费用估算，避免只凭每小时单价决定资源。

$ nodus apply -f job.yaml --dry-run=server -o estimate

重点是 --dry-run=server -o estimate：原文称它会显示拟选用的资源，以及 p50、p90 的预计费用；估算结果仍需结合试跑判断。