GLM 5/5.1 · GPU 对比
GLM 5/5.1 — B200 vs H200
B200（NVIDIA Blackwell）与 H200（NVIDIA Hopper）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。
B200 / H200 在 GLM 5/5.1 上以 41 tok/s/user 运行：468 / 329 tok/s/GPU，$1.16 / $1.19 每百万 token。B200 每 token 成本低 3%；B200 每 GPU 吞吐量高出 42%。
在 21–101 tok/s/user 交互性区间的中部，即 GLM 5/5.1 上以 61 tok/s/user 运行时：B200 达到 392 tok/s/GPU（$1.39/百万 token），H200 达到 212（$1.85/百万）。B200 每 token 成本低 33%；B200 每 GPU 吞吐量高出 85%。
以 82 tok/s/user 为目标在 GLM 5/5.1 上运行时，B200 产出 275 tok/s/GPU（每百万 token $1.97），H200 产出 132（$2.93）。B200 每 token 成本低 49%；B200 每 GPU 吞吐量高出 108%。 （数据反映此 URL 的默认 1k/1k · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | B200:468.2H200:329.5 | B200:392.4H200:212.5 | B200:275.4H200:132.4 |
| Cost ($/M tok) | B200:$1.159H200:$1.190 | B200:$1.391H200:$1.847 | B200:$1.972H200:$2.933 |
| tok/s/MW | B200:215746H200:190452 | B200:180829H200:122811 | B200:126911H200:76544 |
| Concurrency | B200:~484H200:~34 | B200:~25H200:~14 | B200:~14H200:~7 |
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: