GLM 5.3 744B · 每美元性能

GLM 5.3 744B — B200 与 B300 每美元性能

对比 B200（NVIDIA Blackwell）与 B300（NVIDIA Blackwell）在 GLM 5.3 744B 上的每百万 token 成本。该指标采用 Hyperscaler 自有设备 TCO 口径，并按总 token 数归一化，用于比较不同 LLM 工作负载下的每美元性能。可在任一目标交互性下找出成本更低的 SKU，并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 →

将 GLM 5.3 744B 的目标交互性设为 169 tok/s/user 时，B200 的每百万 token 成本为 $0.06，B300 为 $0.08；B200 的成本效率高出 32%。

在 GLM 5.3 744B 的 213 tok/s/user 运行点，B200 的每百万 token 成本为 $0.08，B300 为 $0.12；B200 的成本效率高出 54%。

257 tok/s/user 接近 126–301 tok/s/user 交互性区间的上限。在这一运行点，B200 运行 GLM 5.3 744B 的每百万 token 成本为 $0.12，B300 为 $0.15；B200 的成本效率高出 26%。（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。）

芯片价格（Hyperscaler 自有设备口径）： B200 $1.73/chip/hr · B300 $2.26/chip/hr. 来源： SemiAnalysis Market July 2026 Pricing Surveys & AI Cloud TCO Model.

查看完整延迟与吞吐量对比 →

GLM 5.3 744B：B200 与 B300 在相同交互性水平下的每百万 token 成本 — B200 与 B300 在此对比默认工作负载下的每百万 token 成本。成本越低表示每美元性能越高。

数据由真实基准测试结果插值得出。调整下方的目标交互性数值，即可比较不同运行点。

指标	交互性（tok/s/user）	交互性（tok/s/user）	交互性（tok/s/user）
每百万 token 成本（美元）	B200:$0.064B300:$0.084	B200:$0.077B300:$0.119	B200:$0.120B300:$0.151
并发数	B200:~10B300:~9	B200:~7B300:~6	B200:~4B300:~4

推理性能

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。

配置

模型

场景

精度

暂无数据

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。