GLM 5/5.1 · 芯片对比

GLM 5/5.1 — B200 与 H200

对比 B200(NVIDIA Blackwell)与 H200(NVIDIA Hopper)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。

以 34 tok/s/user 为目标运行 GLM 5/5.1 时,B200 的吞吐量为 1,717 tok/s/chip,每百万 token 成本为 $0.28;H200 的吞吐量为 740 tok/s/chip,每百万 token 成本为 $0.46。B200 的每 token 成本低 39%;B200 的单芯片吞吐量高出 132%。

51 tok/s/user 位于 18–84 tok/s/user 交互性区间的中段。在这一运行点,B200 运行 GLM 5/5.1 的吞吐量为 1,287 tok/s/chip,每百万 token 成本为 $0.37;H200 的吞吐量为 563 tok/s/chip,每百万 token 成本为 $0.60。B200 的每 token 成本低 38%;B200 的单芯片吞吐量高出 129%。

将 GLM 5/5.1 的目标交互性设为 68 tok/s/user 时,B200 的吞吐量为 1,048 tok/s/chip,每百万 token 成本为 $0.46;H200 的吞吐量为 434 tok/s/chip,每百万 token 成本为 $0.78。B200 的每 token 成本低 41%;B200 的单芯片吞吐量高出 141%。 (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。)

查看每美元性能对比 →

B200 vs H200:完整规格与各模型基准测试 →

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)
B2001,717H200740
B2001,287H200563
B2001,048H200434
成本($/M tok)
B200$0.28H200$0.46
B200$0.37H200$0.60
B200$0.46H200$0.78
tok/s/MW
B2001,004,219H200540,170
B200752,761H200411,175
B200612,590H200316,738
并发数
B200~254H200~21
B200~23H200~10
B200~15H200~6