gpt-oss 120B · 芯片对比
gpt-oss 120B — H100 与 H200
对比 H100(NVIDIA Hopper)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。
当 gpt-oss 120B 的目标交互性为 90 tok/s/user 时,H100 与 H200 的吞吐量分别为 6,362 和 6,798 tok/s/chip,每百万 token 成本分别为 $0.051 和 $0.050。H200 的每 token 成本低 2%;H200 的单芯片吞吐量高出 7%。
以 143 tok/s/user 为目标运行 gpt-oss 120B 时,H100 的吞吐量为 4,148 tok/s/chip,每百万 token 成本为 $0.078;H200 的吞吐量为 4,618 tok/s/chip,每百万 token 成本为 $0.073。H200 的每 token 成本低 6%;H200 的单芯片吞吐量高出 11%。
197 tok/s/user 接近 37–250 tok/s/user 交互性区间的上限。在这一运行点,H100 运行 gpt-oss 120B 的吞吐量为 2,636 tok/s/chip,每百万 token 成本为 $0.12;H200 的吞吐量为 2,945 tok/s/chip,每百万 token 成本为 $0.12。H200 的每 token 成本低 7%;H200 的单芯片吞吐量高出 12%。 (以上数据基于此 URL 对应的默认 8k/1k · fp4 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | H1006,362H2006,798 | H1004,148H2004,618 | H1002,636H2002,945 |
| 成本($/M tok) | H100$0.051H200$0.050 | H100$0.078H200$0.073 | H100$0.12H200$0.12 |
| tok/s/MW | H1004,643,748H2004,961,923 | H1003,027,501H2003,370,852 | H1001,924,056H2002,149,964 |
| 并发数 | H100~32H200~19 | H100~13H200~16 | H100~6H200~7 |