GLM 5/5.1 · 芯片对比
GLM 5/5.1 — B300 与 GB200 NVL72
对比 B300(NVIDIA Blackwell)与 GB200 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。
59 tok/s/user 接近 30–147 tok/s/user 交互性区间的下限。在这一运行点,B300 运行 GLM 5/5.1 的吞吐量为 2,598 tok/s/chip,每百万 token 成本为 $0.24;GB200 NVL72 的吞吐量为 9,553 tok/s/chip,每百万 token 成本为 $0.054。GB200 NVL72 的每 token 成本低 78%;GB200 NVL72 的单芯片吞吐量为对方的 3.7 倍。
将 GLM 5/5.1 的目标交互性设为 88 tok/s/user 时,B300 的吞吐量为 1,755 tok/s/chip,每百万 token 成本为 $0.36;GB200 NVL72 的吞吐量为 6,203 tok/s/chip,每百万 token 成本为 $0.083。GB200 NVL72 的每 token 成本低 77%;GB200 NVL72 的单芯片吞吐量为对方的 3.5 倍。
当 GLM 5/5.1 的目标交互性为 118 tok/s/user 时,B300 的吞吐量为 1,278 tok/s/chip,每百万 token 成本为 $0.49;GB200 NVL72 的吞吐量为 1,574 tok/s/chip,每百万 token 成本为 $0.33。GB200 NVL72 的每 token 成本低 33%;GB200 NVL72 的单芯片吞吐量高出 23%。 (以上数据基于此 URL 对应的默认 8k/1k · fp4 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | B3002,598GB200 NVL729,553 | B3001,755GB200 NVL726,203 | B3001,278GB200 NVL721,574 |
| 成本($/M tok) | B300$0.24GB200 NVL72$0.054 | B300$0.36GB200 NVL72$0.083 | B300$0.49GB200 NVL72$0.33 |
| tok/s/MW | B3001,367,336GB200 NVL725,108,387 | B300923,579GB200 NVL723,317,076 | B300672,435GB200 NVL72841,925 |
| 并发数 | B300~20GB200 NVL72~916 | B300~9GB200 NVL72~661 | B300~5GB200 NVL72~75 |