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 50 tok/s/user 交互性下的吞吐量：GB200 NVL72 为 1845 tok/s/GPU，GB300 NVL72 为 2691。每百万 token 成本分别为 $0.33 和 $0.28。GB300 NVL72 每 token 成本低 19%；GB300 NVL72 每 GPU 吞吐量高出 46%。
GB200 NVL72 / GB300 NVL72 在 GLM 5/5.1 上以 62 tok/s/user 运行：1299 / 1135 tok/s/GPU，$0.47 / $0.65 每百万 token。GB200 NVL72 每 token 成本低 36%；GB200 NVL72 每 GPU 吞吐量高出 14%。
在 40–84 tok/s/user 交互性区间的高端，即 GLM 5/5.1 上以 73 tok/s/user 运行时：GB200 NVL72 达到 582 tok/s/GPU（$1.09/百万 token），GB300 NVL72 达到 479（$1.52/百万）。GB200 NVL72 每 token 成本低 40%；GB200 NVL72 每 GPU 吞吐量高出 21%。 （数据反映此 URL 的默认 8k/1k · fp4 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | GB200 NVL72:1844.6GB300 NVL72:2690.6 | GB200 NVL72:1299.1GB300 NVL72:1135.0 | GB200 NVL72:581.5GB300 NVL72:479.4 |
| Cost ($/M tok) | GB200 NVL72:$0.334GB300 NVL72:$0.281 | GB200 NVL72:$0.474GB300 NVL72:$0.646 | GB200 NVL72:$1.089GB300 NVL72:$1.521 |
| tok/s/MW | GB200 NVL72:878397GB300 NVL72:1281257 | GB200 NVL72:618597GB300 NVL72:540460 | GB200 NVL72:276919GB300 NVL72:228262 |
| Concurrency | GB200 NVL72:~142GB300 NVL72:~278 | GB200 NVL72:~130GB300 NVL72:~59 | GB200 NVL72:~109GB300 NVL72:~30 |
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。