GLM 5/5.1 · Chip 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/Chip（$0.76/百万 token），H200 达到 329（$1.03/百万）。B300 每 token 成本低 35%；B300 每 Chip 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/Chip（每百万 token $1.09），H200 产出 212（$1.60）。B300 每 token 成本低 46%；B300 每 Chip 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/Chip，每百万 token 成本 $1.53；H200 吞吐量为 132 tok/s/Chip，成本 $2.56。B300 每 token 成本低 67%；B300 每 Chip 吞吐量高出 209%。 （数据反映此 URL 的默认 1k/1k · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | B300:825.1H200:329.5 | B300:575.9H200:212.5 | B300:409.7H200:132.4 |
| Cost ($/M tok) | B300:$0.761H200:$1.029 | B300:$1.090H200:$1.595 | B300:$1.532H200:$2.559 |
| tok/s/MW | B300:434280H200:240498 | B300:303114H200:155083 | B300:215618H200:96658 |
| 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:
部署模式:
投机解码: