GLM 5/5.1 · 芯片对比
GLM 5/5.1 — GB200 NVL72 与 GB300 NVL72
对比 GB200 NVL72(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。
当 GLM 5/5.1 的目标交互性为 67 tok/s/user 时,GB200 NVL72 与 GB300 NVL72 的吞吐量分别为 9,135 和 10,192 tok/s/chip,每百万 token 成本分别为 $0.057 和 $0.063。GB200 NVL72 的每 token 成本低 10%;GB300 NVL72 的单芯片吞吐量高出 12%。
以 104 tok/s/user 为目标运行 GLM 5/5.1 时,GB200 NVL72 的吞吐量为 3,619 tok/s/chip,每百万 token 成本为 $0.14;GB300 NVL72 的吞吐量为 4,394 tok/s/chip,每百万 token 成本为 $0.15。GB200 NVL72 的每 token 成本低 2%;GB300 NVL72 的单芯片吞吐量高出 21%。
141 tok/s/user 接近 30–177 tok/s/user 交互性区间的上限。在这一运行点,GB200 NVL72 运行 GLM 5/5.1 的吞吐量为 630 tok/s/chip,每百万 token 成本为 $0.82;GB300 NVL72 的吞吐量为 837 tok/s/chip,每百万 token 成本为 $0.77。GB300 NVL72 的每 token 成本低 7%;GB300 NVL72 的单芯片吞吐量高出 33%。 (以上数据基于此 URL 对应的默认 8k/1k · fp4 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | GB200 NVL729,135GB300 NVL7210,192 | GB200 NVL723,619GB300 NVL724,394 | GB200 NVL72630GB300 NVL72837 |
| 成本($/M tok) | GB200 NVL72$0.057GB300 NVL72$0.063 | GB200 NVL72$0.14GB300 NVL72$0.15 | GB200 NVL72$0.82GB300 NVL72$0.77 |
| tok/s/MW | GB200 NVL724,885,238GB300 NVL724,807,740 | GB200 NVL721,935,265GB300 NVL722,072,464 | GB200 NVL72336,816GB300 NVL72394,893 |
| 并发数 | GB200 NVL72~698GB300 NVL72~749 | GB200 NVL72~231GB300 NVL72~276 | GB200 NVL72~62GB300 NVL72~23 |