Llama 3.3 70B · 芯片对比

Llama 3.3 70B — B200 与 H100

对比 B200(NVIDIA Blackwell)与 H100(NVIDIA Hopper)在 Llama 3.3 70B 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 Llama 3.3 70B 的目标交互性为 38 tok/s/user 时,B200 与 H100 的吞吐量分别为 6,519 和 1,848 tok/s/chip,每百万 token 成本分别为 $0.074 和 $0.18。B200 的每 token 成本低 58%;B200 的单芯片吞吐量为对方的 3.5 倍。

以 58 tok/s/user 为目标运行 Llama 3.3 70B 时,B200 的吞吐量为 5,052 tok/s/chip,每百万 token 成本为 $0.095;H100 的吞吐量为 1,171 tok/s/chip,每百万 token 成本为 $0.28。B200 的每 token 成本低 66%;B200 的单芯片吞吐量为对方的 4.3 倍。

78 tok/s/user 接近 19–97 tok/s/user 交互性区间的上限。在这一运行点,B200 运行 Llama 3.3 70B 的吞吐量为 3,880 tok/s/chip,每百万 token 成本为 $0.12;H100 的吞吐量为 877 tok/s/chip,每百万 token 成本为 $0.37。B200 的每 token 成本低 67%;B200 的单芯片吞吐量为对方的 4.4 倍。 (以上数据基于此 URL 对应的默认 8k/1k · fp8 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 →

B200 vs H100:完整规格与各模型基准测试 →

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)
B2006,519H1001,848
B2005,052H1001,171
B2003,880H100877
成本($/M tok)
B200$0.074H100$0.18
B200$0.095H100$0.28
B200$0.12H100$0.37
tok/s/MW
B2003,812,307H1001,348,638
B2002,954,131H100855,073
B2002,268,961H100640,410
并发数
B200~41H100~20
B200~32H100~16
B200~27H100~8