GLM 5/5.1 · GPU 对比
GLM 5/5.1 — B200 vs B300
B200（NVIDIA Blackwell）与 B300（NVIDIA Blackwell）在 GLM 5/5.1 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。
GLM 5/5.1 在 37 tok/s/user 交互性下的吞吐量：B200 为 1631 tok/s/GPU，B300 为 1269。每百万 token 成本分别为 $0.33 和 $0.51。B200 每 token 成本低 54%；B200 每 GPU 吞吐量高出 29%。
B200 / B300 在 GLM 5/5.1 上以 63 tok/s/user 运行：1121 / 941 tok/s/GPU，$0.48 / $0.69 每百万 token。B200 每 token 成本低 43%；B200 每 GPU 吞吐量高出 19%。
在 12–113 tok/s/user 交互性区间的高端，即 GLM 5/5.1 上以 88 tok/s/user 运行时：B200 达到 780 tok/s/GPU（$0.70/百万 token），B300 达到 683（$0.95/百万）。B200 每 token 成本低 37%；B200 每 GPU 吞吐量高出 14%。 （数据反映此 URL 的默认 8k/1k · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | B200:1631.4B300:1269.2 | B200:1121.2B300:941.3 | B200:780.1B300:683.0 |
| Cost ($/M tok) | B200:$0.332B300:$0.512 | B200:$0.482B300:$0.691 | B200:$0.696B300:$0.953 |
| tok/s/MW | B200:751781B300:584863 | B200:516663B300:433764 | B200:359480B300:314761 |
| Concurrency | B200:~216B300:~32 | B200:~17B300:~14 | B200:~9B300:~8 |
推理性能
不同模型、硬件配置和服务参数下的推理性能指标。
厂商:
聚合模式:
投机解码: