GLM 5/5.1 · 芯片对比
GLM 5/5.1 — B300 与 H200
对比 B300(NVIDIA Blackwell)与 H200(NVIDIA Hopper)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。
34 tok/s/user 接近 18–84 tok/s/user 交互性区间的下限。在这一运行点,B300 运行 GLM 5/5.1 的吞吐量为 1,310 tok/s/chip,每百万 token 成本为 $0.48;H200 的吞吐量为 740 tok/s/chip,每百万 token 成本为 $0.46。H200 的每 token 成本低 4%;B300 的单芯片吞吐量高出 77%。
将 GLM 5/5.1 的目标交互性设为 51 tok/s/user 时,B300 的吞吐量为 1,085 tok/s/chip,每百万 token 成本为 $0.58;H200 的吞吐量为 563 tok/s/chip,每百万 token 成本为 $0.60。B300 的每 token 成本低 4%;B300 的单芯片吞吐量高出 93%。
当 GLM 5/5.1 的目标交互性为 68 tok/s/user 时,B300 的吞吐量为 885 tok/s/chip,每百万 token 成本为 $0.71;H200 的吞吐量为 434 tok/s/chip,每百万 token 成本为 $0.78。B300 的每 token 成本低 9%;B300 的单芯片吞吐量高出 104%。 (以上数据基于此 URL 对应的默认 8k/1k · fp8 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | B3001,310H200740 | B3001,085H200563 | B300885H200434 |
| 成本($/M tok) | B300$0.48H200$0.46 | B300$0.58H200$0.60 | B300$0.71H200$0.78 |
| tok/s/MW | B300689,711H200540,170 | B300570,799H200411,175 | B300465,841H200316,738 |
| 并发数 | B300~36H200~21 | B300~20H200~10 | B300~12H200~6 |