GLM 5/5.1 · 芯片对比
GLM 5/5.1 — B300 与 GB300 NVL72
对比 B300(NVIDIA Blackwell)与 GB300 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。
以 59 tok/s/user 为目标运行 GLM 5/5.1 时,B300 的吞吐量为 2,598 tok/s/chip,每百万 token 成本为 $0.24;GB300 NVL72 的吞吐量为 10,515 tok/s/chip,每百万 token 成本为 $0.061。GB300 NVL72 的每 token 成本低 75%;GB300 NVL72 的单芯片吞吐量为对方的 4.0 倍。
88 tok/s/user 位于 30–147 tok/s/user 交互性区间的中段。在这一运行点,B300 运行 GLM 5/5.1 的吞吐量为 1,755 tok/s/chip,每百万 token 成本为 $0.36;GB300 NVL72 的吞吐量为 7,480 tok/s/chip,每百万 token 成本为 $0.086。GB300 NVL72 的每 token 成本低 76%;GB300 NVL72 的单芯片吞吐量为对方的 4.3 倍。
将 GLM 5/5.1 的目标交互性设为 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;GB300 NVL72 的吞吐量为 1,761 tok/s/chip,每百万 token 成本为 $0.36。GB300 NVL72 的每 token 成本低 26%;GB300 NVL72 的单芯片吞吐量高出 38%。 (以上数据基于此 URL 对应的默认 8k/1k · fp4 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | B3002,598GB300 NVL7210,515 | B3001,755GB300 NVL727,480 | B3001,278GB300 NVL721,761 |
| 成本($/M tok) | B300$0.24GB300 NVL72$0.061 | B300$0.36GB300 NVL72$0.086 | B300$0.49GB300 NVL72$0.36 |
| tok/s/MW | B3001,367,336GB300 NVL724,960,129 | B300923,579GB300 NVL723,528,310 | B300672,435GB300 NVL72830,752 |
| 并发数 | B300~20GB300 NVL72~1,010 | B300~9GB300 NVL72~615 | B300~5GB300 NVL72~81 |