GLM 5/5.1 · 芯片对比
GLM 5/5.1 — B200 与 B300
对比 B200(NVIDIA Blackwell)与 B300(NVIDIA Blackwell)在 GLM 5/5.1 上的 AI 推理基准测试结果,涵盖不同 LLM 工作负载下的延迟、吞吐量和成本。可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。
当 GLM 5/5.1 的目标交互性为 37 tok/s/user 时,B200 与 B300 的吞吐量分别为 1,631 和 1,269 tok/s/chip,每百万 token 成本分别为 $0.29 和 $0.49。B200 的每 token 成本低 40%;B200 的单芯片吞吐量高出 29%。
以 63 tok/s/user 为目标运行 GLM 5/5.1 时,B200 的吞吐量为 1,121 tok/s/chip,每百万 token 成本为 $0.43;B300 的吞吐量为 941 tok/s/chip,每百万 token 成本为 $0.67。B200 的每 token 成本低 36%;B200 的单芯片吞吐量高出 19%。
88 tok/s/user 接近 12–113 tok/s/user 交互性区间的上限。在这一运行点,B200 运行 GLM 5/5.1 的吞吐量为 780 tok/s/chip,每百万 token 成本为 $0.62;B300 的吞吐量为 683 tok/s/chip,每百万 token 成本为 $0.92。B200 的每 token 成本低 33%;B200 的单芯片吞吐量高出 14%。 (以上数据基于此 URL 对应的默认 8k/1k · fp8 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | B2001,631B3001,269 | B2001,121B300941 | B200780B300683 |
| 成本($/M tok) | B200$0.29B300$0.49 | B200$0.43B300$0.67 | B200$0.62B300$0.92 |
| tok/s/MW | B200954,015B300667,975 | B200655,649B300495,404 | B200456,183B300359,490 |
| 并发数 | B200~216B300~32 | B200~17B300~14 | B200~9B300~8 |