GLM 5/5.1 — B300 vs GB200 NVL72
B300（NVIDIA Blackwell）与 GB200 NVL72（NVIDIA Blackwell）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。
在 30–147 tok/s/user 交互性区间的低端，即 GLM 5/5.1 上以 59 tok/s/user 运行时：B300 达到 2598 tok/s/GPU（$0.25/百万 token），GB200 NVL72 达到 9553（$0.06/百万）。GB200 NVL72 每 token 成本低 291%；GB200 NVL72 每 GPU 吞吐量高出 268%。
以 88 tok/s/user 为目标在 GLM 5/5.1 上运行时，B300 产出 1755 tok/s/GPU（每百万 token $0.37），GB200 NVL72 产出 6203（$0.10）。GB200 NVL72 每 token 成本低 272%；GB200 NVL72 每 GPU 吞吐量高出 253%。
在 GLM 5/5.1 上以 118 tok/s/user 交互性运行时，B300 吞吐量为 1278 tok/s/GPU，每百万 token 成本 $0.50；GB200 NVL72 吞吐量为 1574 tok/s/GPU，成本 $0.39。GB200 NVL72 每 token 成本低 28%；GB200 NVL72 每 GPU 吞吐量高出 23%。 （数据反映此 URL 的默认 8k/1k · fp4 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | B300:2597.9GB200 NVL72:9552.7 | B300:1754.8GB200 NVL72:6202.9 | B300:1277.6GB200 NVL72:1574.4 |
| Cost ($/M tok) | B300:$0.252GB200 NVL72:$0.064 | B300:$0.370GB200 NVL72:$0.099 | B300:$0.505GB200 NVL72:$0.393 |
| tok/s/MW | B300:1367336GB200 NVL72:5108387 | B300:923579GB200 NVL72:3317076 | B300:672435GB200 NVL72:841925 |
| Concurrency | B300:~20GB200 NVL72:~916 | B300:~9GB200 NVL72:~661 | B300:~5GB200 NVL72:~75 |
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。