GLM 5/5.1 — GB200 NVL72 vs GB300 NVL72
GB200 NVL72（NVIDIA Blackwell）与 GB300 NVL72（NVIDIA Blackwell）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。
GLM 5/5.1 在 61 tok/s/user 交互性下的吞吐量：GB200 NVL72 为 7182 tok/s/GPU，GB300 NVL72 为 10419。每百万 token 成本分别为 $0.09 和 $0.07。GB300 NVL72 每 token 成本低 23%；GB300 NVL72 每 GPU 吞吐量高出 45%。
GB200 NVL72 / GB300 NVL72 在 GLM 5/5.1 上以 93 tok/s/user 运行：1987 / 6459 tok/s/GPU，$0.31 / $0.11 每百万 token。GB300 NVL72 每 token 成本低 171%；GB300 NVL72 每 GPU 吞吐量高出 225%。
在 30–156 tok/s/user 交互性区间的高端，即 GLM 5/5.1 上以 125 tok/s/user 运行时：GB200 NVL72 达到 1011 tok/s/GPU（$0.60/百万 token），GB300 NVL72 达到 1317（$0.56/百万）。GB300 NVL72 每 token 成本低 6%；GB300 NVL72 每 GPU 吞吐量高出 30%。 （数据反映此 URL 的默认 8k/1k · fp4 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | GB200 NVL72:7181.5GB300 NVL72:10419.3 | GB200 NVL72:1986.6GB300 NVL72:6459.4 | GB200 NVL72:1011.5GB300 NVL72:1317.4 |
| Cost ($/M tok) | GB200 NVL72:$0.087GB300 NVL72:$0.071 | GB200 NVL72:$0.309GB300 NVL72:$0.114 | GB200 NVL72:$0.600GB300 NVL72:$0.565 |
| tok/s/MW | GB200 NVL72:3840396GB300 NVL72:4914745 | GB200 NVL72:1062375GB300 NVL72:3046872 | GB200 NVL72:540890GB300 NVL72:621394 |
| Concurrency | GB200 NVL72:~1165GB300 NVL72:~932 | GB200 NVL72:~82GB300 NVL72:~558 | GB200 NVL72:~53GB300 NVL72:~47 |
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。