GLM 5.3 744B — TPU7x 与 Vera Rubin NVL72
对比 TPU7x（Google Ironwood）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 →
当 GLM 5.3 744B 的目标交互性为 92 tok/s/user 时，TPU7x 的吞吐量为 7846 tok/s/chip，每百万 token 成本为 $0.04；Vera Rubin NVL72 在该运行点尚未测试。
当 GLM 5.3 744B 的目标交互性为 164 tok/s/user 时，TPU7x 的吞吐量为 5529 tok/s/chip，每百万 token 成本为 $0.05；Vera Rubin NVL72 在该运行点暂无基准测试数据。
在 GLM 5.3 744B 的 237 tok/s/user 运行点，TPU7x 的吞吐量为 3538 tok/s/chip，每百万 token 成本为 $0.08；Vera Rubin NVL72 在该运行点暂无数据。 （以上数据基于此 URL 对应的默认 agentic-traces · fp8 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | TPU7x:7846.2Vera Rubin NVL72:— | TPU7x:5529.4Vera Rubin NVL72:— | TPU7x:3538.3Vera Rubin NVL72:— |
| 成本（$/M tok） | TPU7x:$0.036Vera Rubin NVL72:— | TPU7x:$0.052Vera Rubin NVL72:— | TPU7x:$0.081Vera Rubin NVL72:— |
| tok/s/MW | TPU7x:6500540Vera Rubin NVL72:— | TPU7x:4581105Vera Rubin NVL72:— | TPU7x:2931520Vera Rubin NVL72:— |
| 并发数 | TPU7x:~12Vera Rubin NVL72:— | TPU7x:~6Vera Rubin NVL72:— | TPU7x:~3Vera Rubin NVL72:— |