gpt-oss 120B · 芯片对比

gpt-oss 120B — GB200 NVL72 与 H100

对比 GB200 NVL72(NVIDIA Blackwell)与 H100(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。

当 gpt-oss 120B 的目标交互性为 113 tok/s/user 时,GB200 NVL72 的吞吐量为 42,816 tok/s/chip,每百万 token 成本为 $0.012;H100 的吞吐量为 5,280 tok/s/chip,每百万 token 成本为 $0.062。GB200 NVL72 的每 token 成本低 80%;GB200 NVL72 的单芯片吞吐量为对方的 8.1 倍。

在 gpt-oss 120B 的 159 tok/s/user 运行点,GB200 NVL72 的吞吐量为 32,911 tok/s/chip,每百万 token 成本为 $0.016;H100 的吞吐量为 3,672 tok/s/chip,每百万 token 成本为 $0.089。GB200 NVL72 的每 token 成本低 82%;GB200 NVL72 的单芯片吞吐量为对方的 9.0 倍。

当 gpt-oss 120B 的目标交互性为 205 tok/s/user 时,GB200 NVL72 与 H100 的吞吐量分别为 25,756 和 2,428 tok/s/chip,每百万 token 成本分别为 $0.020 和 $0.13。GB200 NVL72 的每 token 成本低 85%;GB200 NVL72 的单芯片吞吐量为对方的 11 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。)

查看每美元性能对比 →

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 NVL7242,816H1005,280
GB200 NVL7232,911H1003,672
GB200 NVL7225,756H1002,428
成本($/M tok)
GB200 NVL72$0.012H100$0.062
GB200 NVL72$0.016H100$0.089
GB200 NVL72$0.020H100$0.13
tok/s/MW
GB200 NVL7222,896,080H1003,853,936
GB200 NVL7217,599,435H1002,680,055
GB200 NVL7213,773,170H1001,772,304
并发数
GB200 NVL72~375H100~25
GB200 NVL72~291H100~11
GB200 NVL72~87H100~5