GLM 5.3 744B — GB300 NVL72 与 TPU7x
对比 GB300 NVL72（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 153 tok/s/user 时，GB300 NVL72 的吞吐量为 22740 tok/s/chip，每百万 token 成本为 $0.03；TPU7x 在该运行点暂无基准测试数据。
在 GLM 5.3 744B 的 216 tok/s/user 运行点，GB300 NVL72 的吞吐量为 10024 tok/s/chip，每百万 token 成本为 $0.06；TPU7x 在该运行点暂无数据。
当 GLM 5.3 744B 的目标交互性为 279 tok/s/user 时，GB300 NVL72 的吞吐量为 5554 tok/s/chip，每百万 token 成本为 $0.12；TPU7x 在该运行点尚未测试。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB300 NVL72:22740.4TPU7x:— | GB300 NVL72:10024.0TPU7x:— | GB300 NVL72:5553.9TPU7x:— |
| 成本（$/M tok） | GB300 NVL72:$0.028TPU7x:— | GB300 NVL72:$0.064TPU7x:— | GB300 NVL72:$0.116TPU7x:— |
| tok/s/MW | GB300 NVL72:10726604TPU7x:— | GB300 NVL72:4728318TPU7x:— | GB300 NVL72:2619757TPU7x:— |
| 并发数 | GB300 NVL72:~49TPU7x:— | GB300 NVL72:~24TPU7x:— | GB300 NVL72:~2TPU7x:— |