GLM 5/5.1 · GPU 对比
GLM 5/5.1 — B300 vs H200
B300（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。
在 21–101 tok/s/user 交互性区间的低端，即 GLM 5/5.1 上以 41 tok/s/user 运行时：B300 达到 825 tok/s/GPU（$0.79/百万 token），H200 达到 329（$1.19/百万）。B300 每 token 成本低 50%；B300 每 GPU 吞吐量高出 150%。
以 61 tok/s/user 为目标在 GLM 5/5.1 上运行时，B300 产出 576 tok/s/GPU（每百万 token $1.12），H200 产出 212（$1.85）。B300 每 token 成本低 65%；B300 每 GPU 吞吐量高出 171%。
在 GLM 5/5.1 上以 82 tok/s/user 交互性运行时，B300 吞吐量为 410 tok/s/GPU，每百万 token 成本 $1.57；H200 吞吐量为 132 tok/s/GPU，成本 $2.93。B300 每 token 成本低 87%；B300 每 GPU 吞吐量高出 209%。 （数据反映此 URL 的默认 1k/1k · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | B300:825.1H200:329.5 | B300:575.9H200:212.5 | B300:409.7H200:132.4 |
| Cost ($/M tok) | B300:$0.791H200:$1.190 | B300:$1.119H200:$1.847 | B300:$1.569H200:$2.933 |
| tok/s/MW | B300:380246H200:190452 | B300:265399H200:122811 | B300:188790H200:76544 |
| Concurrency | B300:~82H200:~34 | B300:~39H200:~14 | B300:~21H200:~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:
聚合模式:
投机解码: