GLM 5.3 744B · 芯片对比
GLM 5.3 744B — B200 与 Vera Rubin NVL72
对比 B200(NVIDIA Blackwell)与 Vera Rubin NVL72(NVIDIA Vera Rubin)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 →
以 236 tok/s/user 为目标运行 GLM 5.3 744B 时,B200 的吞吐量为 7,942 tok/s/chip,每百万 token 成本为 $0.061;Vera Rubin NVL72 的吞吐量为 138,484 tok/s/chip,每百万 token 成本为 $0.007。Vera Rubin NVL72 的每 token 成本低 88%;Vera Rubin NVL72 的单芯片吞吐量为对方的 17 倍。
268 tok/s/user 位于 204–333 tok/s/user 交互性区间的中段。在这一运行点,B200 运行 GLM 5.3 744B 的吞吐量为 7,081 tok/s/chip,每百万 token 成本为 $0.068;Vera Rubin NVL72 的吞吐量为 97,953 tok/s/chip,每百万 token 成本为 $0.010。Vera Rubin NVL72 的每 token 成本低 85%;Vera Rubin NVL72 的单芯片吞吐量为对方的 14 倍。
将 GLM 5.3 744B 的目标交互性设为 301 tok/s/user 时,B200 的吞吐量为 6,183 tok/s/chip,每百万 token 成本为 $0.078;Vera Rubin NVL72 的吞吐量为 71,649 tok/s/chip,每百万 token 成本为 $0.014。Vera Rubin NVL72 的每 token 成本低 82%;Vera Rubin NVL72 的单芯片吞吐量为对方的 12 倍。 (以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | B2007,942Vera Rubin NVL72138,484 | B2007,081Vera Rubin NVL7297,953 | B2006,183Vera Rubin NVL7271,649 |
| 成本($/M tok) | B200$0.061Vera Rubin NVL72$0.007 | B200$0.068Vera Rubin NVL72$0.010 | B200$0.078Vera Rubin NVL72$0.014 |
| tok/s/MW | B2004,644,264Vera Rubin NVL7241,964,979 | B2004,141,034Vera Rubin NVL7229,682,878 | B2003,615,968Vera Rubin NVL7221,711,755 |
| 并发数 | B200~4Vera Rubin NVL72~737 | B200~2Vera Rubin NVL72~424 | B200~1Vera Rubin NVL72~281 |