GLM 5.3 744B · 每美元性能

GLM 5.3 744B — TPU7x 与 Vera Rubin NVL72 每美元性能

对比 TPU7x（Google Ironwood）与 Vera Rubin NVL72（NVIDIA Vera Rubin）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 →

当 GLM 5.3 744B 的目标交互性为 92 tok/s/user 时，TPU7x 的每百万 token 成本为 $0.04；Vera Rubin NVL72 在该运行点暂无基准测试数据。

在 GLM 5.3 744B 的 164 tok/s/user 运行点，TPU7x 的每百万 token 成本为 $0.05；Vera Rubin NVL72 尚未在该运行点进行基准测试。

当 GLM 5.3 744B 的目标交互性为 237 tok/s/user 时，仅 TPU7x 有成本数据，每百万 token 成本为 $0.08；Vera Rubin NVL72 在该运行点尚未测试。（以上数据基于此 URL 对应的默认 agentic-traces · fp8 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）： TPU7x $1.03/chip/hr · Vera Rubin NVL72 $3.61/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：TPU7x 与 Vera Rubin NVL72 在相同交互性水平下的每百万 token 成本 — TPU7x 与 Vera Rubin NVL72 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）	TPU7x:$0.036Vera Rubin NVL72:—	TPU7x:$0.052Vera Rubin NVL72:—	TPU7x:$0.081Vera Rubin NVL72:—
并发数	TPU7x:~12Vera Rubin NVL72:—	TPU7x:~6Vera Rubin NVL72:—	TPU7x:~3Vera Rubin NVL72:—