gpt-oss 120B · 芯片对比
gpt-oss 120B — B200 与 H200
对比 B200(NVIDIA Blackwell)与 H200(NVIDIA Hopper)在 gpt-oss 120B 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。
以 86 tok/s/user 为目标运行 gpt-oss 120B 时,B200 的吞吐量为 37,093 tok/s/chip,每百万 token 成本为 $0.013;H200 的吞吐量为 6,958 tok/s/chip,每百万 token 成本为 $0.049。B200 的每 token 成本低 73%;B200 的单芯片吞吐量为对方的 5.3 倍。
142 tok/s/user 位于 30–255 tok/s/user 交互性区间的中段。在这一运行点,B200 运行 gpt-oss 120B 的吞吐量为 25,056 tok/s/chip,每百万 token 成本为 $0.019;H200 的吞吐量为 4,653 tok/s/chip,每百万 token 成本为 $0.073。B200 的每 token 成本低 74%;B200 的单芯片吞吐量为对方的 5.4 倍。
将 gpt-oss 120B 的目标交互性设为 199 tok/s/user 时,B200 的吞吐量为 17,264 tok/s/chip,每百万 token 成本为 $0.028;H200 的吞吐量为 2,879 tok/s/chip,每百万 token 成本为 $0.12。B200 的每 token 成本低 76%;B200 的单芯片吞吐量为对方的 6.0 倍。 (以上数据基于此 URL 对应的默认 8k/1k · fp4 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | B20037,093H2006,958 | B20025,056H2004,653 | B20017,264H2002,879 |
| 成本($/M tok) | B200$0.013H200$0.049 | B200$0.019H200$0.073 | B200$0.028H200$0.12 |
| tok/s/MW | B20021,691,776H2005,078,638 | B20014,652,486H2003,396,459 | B20010,096,180H2002,101,202 |
| 并发数 | B200~46H200~25 | B200~32H200~16 | B200~16H200~7 |