GLM 5/5.1 · GPU 对比
GLM 5/5.1 — GB200 NVL72 vs H200
GB200 NVL72（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。
GB200 NVL72 / H200 在 GLM 5/5.1 上以 37 tok/s/user 运行：2074 / 705 tok/s/GPU，$0.31 / $0.56 每百万 token。GB200 NVL72 每 token 成本低 79%；GB200 NVL72 每 GPU 吞吐量高出 194%。
在 29–62 tok/s/user 交互性区间的中部，即 GLM 5/5.1 上以 45 tok/s/user 运行时：GB200 NVL72 达到 635 tok/s/GPU（$0.96/百万 token），H200 达到 620（$0.63/百万）。H200 每 token 成本低 51%；GB200 NVL72 每 GPU 吞吐量高出 2%。
以 54 tok/s/user 为目标在 GLM 5/5.1 上运行时，GB200 NVL72 产出 158 tok/s/GPU（每百万 token $4.50），H200 产出 537（$0.73）。H200 每 token 成本低 515%；H200 每 GPU 吞吐量高出 240%。 （数据反映此 URL 的默认 8k/1k · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | GB200 NVL72:2073.9H200:705.2 | GB200 NVL72:635.4H200:620.3 | GB200 NVL72:157.8H200:536.9 |
| Cost ($/M tok) | GB200 NVL72:$0.311H200:$0.556 | GB200 NVL72:$0.957H200:$0.632 | GB200 NVL72:$4.499H200:$0.731 |
| tok/s/MW | GB200 NVL72:987580H200:407621 | GB200 NVL72:302553H200:358552 | GB200 NVL72:75151H200:310353 |
| Concurrency | GB200 NVL72:~931H200:~18 | GB200 NVL72:~150H200:~13 | GB200 NVL72:~27H200:~10 |
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:
聚合模式:
投机解码: