gpt-oss 120B · GPU 对比
gpt-oss 120B — H100 vs H200
H100（NVIDIA Hopper）与 H200（NVIDIA Hopper）在 gpt-oss 120B 上的正面 AI 推理基准测试对比。涵盖各类 LLM 工作负载的延迟、吞吐量与成本。使用下方图表控件切换序列、精度和指标——交互方式与主推理图表相同。
gpt-oss 120B 在 117 tok/s/user 交互性下的吞吐量：H100 为 2622 tok/s/GPU，H200 为 2812。每百万 token 成本分别为 $0.14 和 $0.14。每 token 成本基本持平；H200 每 GPU 吞吐量高出 7%。
H100 / H200 在 gpt-oss 120B 上以 166 tok/s/user 运行：1379 / 1567 tok/s/GPU，$0.26 / $0.25 每百万 token。H200 每 token 成本低 5%；H200 每 GPU 吞吐量高出 14%。
在 67–266 tok/s/user 交互性区间的高端，即 gpt-oss 120B 上以 216 tok/s/user 运行时：H100 达到 740 tok/s/GPU（$0.49/百万 token），H200 达到 810（$0.48/百万）。每 token 成本基本持平；H200 每 GPU 吞吐量高出 9%。 （数据反映此 URL 的默认 1k/1k · fp4 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | H100:2621.5H200:2812.2 | H100:1379.3H200:1567.1 | H100:739.7H200:809.8 |
| Cost ($/M tok) | H100:$0.139H200:$0.140 | H100:$0.262H200:$0.249 | H100:$0.487H200:$0.485 |
| tok/s/MW | H100:1515329H200:1625573 | H100:797303H200:905858 | H100:427578H200:468113 |
| Concurrency | H100:~64H200:~64 | H100:~17H200:~43 | H100:~8H200:~8 |
推理性能
不同模型、硬件配置和服务参数下的推理性能指标。
厂商:
聚合模式:
投机解码: