GLM 5/5.1 · 芯片对比
GLM 5/5.1 — B200 与 GB300 NVL72
对比 B200(NVIDIA Blackwell)与 GB300 NVL72(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 47 tok/s/user 时,B200 与 GB300 NVL72 的吞吐量分别为 1,360 和 6,056 tok/s/chip,每百万 token 成本分别为 $0.35 和 $0.11。GB300 NVL72 的每 token 成本低 70%;GB300 NVL72 的单芯片吞吐量为对方的 4.5 倍。
以 67 tok/s/user 为目标运行 GLM 5/5.1 时,B200 的吞吐量为 1,062 tok/s/chip,每百万 token 成本为 $0.45;GB300 NVL72 的吞吐量为 1,809 tok/s/chip,每百万 token 成本为 $0.35。GB300 NVL72 的每 token 成本低 22%;GB300 NVL72 的单芯片吞吐量高出 70%。
88 tok/s/user 接近 26–108 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;GB300 NVL72 的吞吐量为 526 tok/s/chip,每百万 token 成本为 $1.22。B200 的每 token 成本低 49%;B200 的单芯片吞吐量高出 48%。 (以上数据基于此 URL 对应的默认 8k/1k · fp8 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | B2001,360GB300 NVL726,056 | B2001,062GB300 NVL721,809 | B200780GB300 NVL72526 |
| 成本($/M tok) | B200$0.35GB300 NVL72$0.11 | B200$0.45GB300 NVL72$0.35 | B200$0.62GB300 NVL72$1.22 |
| tok/s/MW | B200795,154GB300 NVL722,856,617 | B200621,264GB300 NVL72853,218 | B200456,183GB300 NVL72248,323 |
| 并发数 | B200~27GB300 NVL72~1,958 | B200~15GB300 NVL72~359 | B200~9GB300 NVL72~135 |