Kimi K2.5/K2.6/K2.7-Code 1T · 芯片对比
Kimi K2.5/K2.6/K2.7-Code 1T — GB200 NVL72 与 GB300 NVL72
对比 GB200 NVL72(NVIDIA Blackwell)与 GB300 NVL72(NVIDIA Blackwell)在 Kimi K2.5/K2.6/K2.7-Code 1T 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。
64 tok/s/user 接近 26–180 tok/s/user 交互性区间的下限。在这一运行点,GB200 NVL72 运行 Kimi K2.5/K2.6/K2.7-Code 1T 的吞吐量为 8,980 tok/s/chip,每百万 token 成本为 $0.058;GB300 NVL72 的吞吐量为 9,986 tok/s/chip,每百万 token 成本为 $0.064。GB200 NVL72 的每 token 成本低 10%;GB300 NVL72 的单芯片吞吐量高出 11%。
将 Kimi K2.5/K2.6/K2.7-Code 1T 的目标交互性设为 103 tok/s/user 时,GB200 NVL72 的吞吐量为 1,545 tok/s/chip,每百万 token 成本为 $0.33;GB300 NVL72 的吞吐量为 1,685 tok/s/chip,每百万 token 成本为 $0.38。GB200 NVL72 的每 token 成本低 12%;GB300 NVL72 的单芯片吞吐量高出 9%。
当 Kimi K2.5/K2.6/K2.7-Code 1T 的目标交互性为 141 tok/s/user 时,GB200 NVL72 的吞吐量为 733 tok/s/chip,每百万 token 成本为 $0.70;GB300 NVL72 的吞吐量为 771 tok/s/chip,每百万 token 成本为 $0.83。GB200 NVL72 的每 token 成本低 15%;GB300 NVL72 的单芯片吞吐量高出 5%。 (以上数据基于此 URL 对应的默认 8k/1k · fp4 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | GB200 NVL728,980GB300 NVL729,986 | GB200 NVL721,545GB300 NVL721,685 | GB200 NVL72733GB300 NVL72771 |
| 成本($/M tok) | GB200 NVL72$0.058GB300 NVL72$0.064 | GB200 NVL72$0.33GB300 NVL72$0.38 | GB200 NVL72$0.70GB300 NVL72$0.83 |
| tok/s/MW | GB200 NVL724,801,979GB300 NVL724,710,439 | GB200 NVL72826,425GB300 NVL72794,621 | GB200 NVL72391,932GB300 NVL72363,913 |
| 并发数 | GB200 NVL72~1,203GB300 NVL72~1,146 | GB200 NVL72~167GB300 NVL72~68 | GB200 NVL72~27GB300 NVL72~27 |