GLM 5/5.1 · GPU 对比
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 40–84 tok/s/user 交互性区间的低端，即 GLM 5/5.1 上以 51 tok/s/user 运行时：B300 达到 2944 tok/s/GPU（$0.22/百万 token），GB200 NVL72 达到 1781（$0.35/百万）。B300 每 token 成本低 56%；B300 每 GPU 吞吐量高出 65%。
以 62 tok/s/user 为目标在 GLM 5/5.1 上运行时，B300 产出 2476 tok/s/GPU（每百万 token $0.26），GB200 NVL72 产出 1299（$0.47）。B300 每 token 成本低 80%；B300 每 GPU 吞吐量高出 91%。
在 GLM 5/5.1 上以 73 tok/s/user 交互性运行时，B300 吞吐量为 2105 tok/s/GPU，每百万 token 成本 $0.31；GB200 NVL72 吞吐量为 582 tok/s/GPU，成本 $1.09。B300 每 token 成本低 254%；B300 每 GPU 吞吐量高出 262%。 （数据反映此 URL 的默认 8k/1k · fp4 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | B300:2944.1GB200 NVL72:1781.1 | B300:2475.7GB200 NVL72:1299.1 | B300:2104.8GB200 NVL72:581.5 |
| Cost ($/M tok) | B300:$0.222GB200 NVL72:$0.345 | B300:$0.264GB200 NVL72:$0.474 | B300:$0.307GB200 NVL72:$1.089 |
| tok/s/MW | B300:1356714GB200 NVL72:848123 | B300:1140882GB200 NVL72:618597 | B300:969961GB200 NVL72:276919 |
| Concurrency | B300:~26GB200 NVL72:~145 | B300:~19GB200 NVL72:~130 | B300:~13GB200 NVL72:~109 |
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: