GLM 5.3 744B · 芯片对比
GLM 5.3 744B — GB200 NVL72 与 Vera Rubin NVL72
对比 GB200 NVL72(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 →
将 GLM 5.3 744B 的目标交互性设为 234 tok/s/user 时,GB200 NVL72 的吞吐量为 11,525 tok/s/chip,每百万 token 成本为 $0.045;Vera Rubin NVL72 的吞吐量为 139,783 tok/s/chip,每百万 token 成本为 $0.007。Vera Rubin NVL72 的每 token 成本低 84%;Vera Rubin NVL72 的单芯片吞吐量为对方的 12 倍。
当 GLM 5.3 744B 的目标交互性为 266 tok/s/user 时,GB200 NVL72 的吞吐量为 7,592 tok/s/chip,每百万 token 成本为 $0.068;Vera Rubin NVL72 的吞吐量为 99,798 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 13 倍。
在 GLM 5.3 744B 的 297 tok/s/user 运行点,GB200 NVL72 的吞吐量为 3,795 tok/s/chip,每百万 token 成本为 $0.14;Vera Rubin NVL72 的吞吐量为 74,442 tok/s/chip,每百万 token 成本为 $0.013。Vera Rubin NVL72 的每 token 成本低 90%;Vera Rubin NVL72 的单芯片吞吐量为对方的 20 倍。 (以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | GB200 NVL7211,525Vera Rubin NVL72139,783 | GB200 NVL727,592Vera Rubin NVL7299,798 | GB200 NVL723,795Vera Rubin NVL7274,442 |
| 成本($/M tok) | GB200 NVL72$0.045Vera Rubin NVL72$0.007 | GB200 NVL72$0.068Vera Rubin NVL72$0.010 | GB200 NVL72$0.14Vera Rubin NVL72$0.013 |
| tok/s/MW | GB200 NVL726,163,245Vera Rubin NVL7242,358,562 | GB200 NVL724,059,978Vera Rubin NVL7230,241,683 | GB200 NVL722,029,153Vera Rubin NVL7222,558,082 |
| 并发数 | GB200 NVL72~42Vera Rubin NVL72~758 | GB200 NVL72~30Vera Rubin NVL72~434 | GB200 NVL72~1Vera Rubin NVL72~297 |