GLM 5/5.1 · Chip 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/Chip，$1.03 / $1.03 每百万 token。每 token 成本基本持平；B200 每 Chip 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/Chip（$1.22/百万 token），H200 达到 212（$1.60/百万）。B200 每 token 成本低 30%；B200 每 Chip 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/Chip（每百万 token $1.74），H200 产出 132（$2.56）。B200 每 token 成本低 47%；B200 每 Chip 吞吐量高出 108%。 （数据反映此 URL 的默认 1k/1k · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | B200:468.2H200:329.5 | B200:392.4H200:212.5 | B200:275.4H200:132.4 |
| Cost ($/M tok) | B200:$1.026H200:$1.029 | B200:$1.225H200:$1.595 | B200:$1.745H200:$2.559 |
| tok/s/MW | B200:273783H200:240498 | B200:229473H200:155083 | B200:161051H200:96658 |
| 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:
部署模式:
投机解码: