Llama 3.3 70B · GPU 对比
Llama 3.3 70B — B200 vs H100
B200（NVIDIA Blackwell）与 H100（NVIDIA Hopper）在 Llama 3.3 70B 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。
Llama 3.3 70B 在 53 tok/s/user 交互性下的吞吐量：B200 为 6496 tok/s/GPU，H100 为 1465。每百万 token 成本分别为 $0.08 和 $0.25。B200 每 token 成本低 199%；B200 每 GPU 吞吐量高出 343%。
B200 / H100 在 Llama 3.3 70B 上以 72 tok/s/user 运行：4738 / 773 tok/s/GPU，$0.11 / $0.45 每百万 token。B200 每 token 成本低 296%；B200 每 GPU 吞吐量高出 513%。
在 35–109 tok/s/user 交互性区间的高端，即 Llama 3.3 70B 上以 91 tok/s/user 运行时：B200 达到 3574 tok/s/GPU（$0.15/百万 token），H100 达到 304（$1.19/百万）。B200 每 token 成本低 704%；B200 每 GPU 吞吐量高出 1077%。 （数据反映此 URL 的默认 1k/1k · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | B200:6496.2H100:1465.2 | B200:4738.0H100:772.9 | B200:3574.5H100:303.7 |
| Cost ($/M tok) | B200:$0.083H100:$0.249 | B200:$0.115H100:$0.454 | B200:$0.149H100:$1.194 |
| tok/s/MW | B200:2993645H100:846932 | B200:2183424H100:446737 | B200:1647221H100:175535 |
| Concurrency | B200:~128H100:~64 | B200:~128H100:~50 | B200:~93H100:~14 |
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: