GLM 5.3 744B — B200 与 TPU7x
对比 B200（NVIDIA Blackwell）与 TPU7x（Google Ironwood）在 GLM 5.3 744B 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。
AgentX 回放真实的 coding agent 会话，而非定长 prompt。随着会话轮次增加，上下文不断增长；每个请求的大部分内容都可直接从 cache 读取，无需重新计算。因此，这项对比不仅取决于芯片本身的吞吐量，还会受到跨节点 KV 传输、prefix-aware routing 和 cache 容量等系统因素影响。定长序列工作负载仍是衡量 kernel 与芯片性能的清晰基线；两种场景从不同角度回答同一硬件的性能问题。 进一步了解 AgentX →
当 GLM 5.3 744B 的目标交互性为 98 tok/s/user 时，B200 的吞吐量为 8517 tok/s/chip，每百万 token 成本为 $0.06；TPU7x 的吞吐量为 7532 tok/s/chip，每百万 token 成本为 $0.04。TPU7x 的成本效率高出 49%；B200 的单芯片吞吐量高出 13%。
在 GLM 5.3 744B 的 151 tok/s/user 运行点，B200 的吞吐量为 6578 tok/s/chip，每百万 token 成本为 $0.07；TPU7x 的吞吐量为 5978 tok/s/chip，每百万 token 成本为 $0.05。TPU7x 的成本效率高出 53%；B200 的单芯片吞吐量高出 10%。
当 GLM 5.3 744B 的目标交互性为 203 tok/s/user 时，B200 与 TPU7x 的吞吐量分别为 4221 和 4281 tok/s/chip，每百万 token 成本分别为 $0.11 和 $0.07。TPU7x 的成本效率高出 70%；TPU7x 的单芯片吞吐量高出 1%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp8 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B200:8516.9TPU7x:7532.3 | B200:6578.1TPU7x:5978.4 | B200:4220.7TPU7x:4280.5 |
| 成本（$/M tok） | B200:$0.056TPU7x:$0.038 | B200:$0.073TPU7x:$0.048 | B200:$0.114TPU7x:$0.067 |
| tok/s/MW | B200:4980628TPU7x:6240484 | B200:3846816TPU7x:4953076 | B200:2468234TPU7x:3546417 |
| 并发数 | B200:~14TPU7x:~12 | B200:~8TPU7x:~6 | B200:~5TPU7x:~4 |