Llama 3.3 70B · 芯片对比
Llama 3.3 70B — B200 与 H200
对比 B200(NVIDIA Blackwell)与 H200(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。
以 45 tok/s/user 为目标运行 Llama 3.3 70B 时,B200 的吞吐量为 5,994 tok/s/chip,每百万 token 成本为 $0.080;H200 的吞吐量为 2,978 tok/s/chip,每百万 token 成本为 $0.11。B200 的每 token 成本低 30%;B200 的单芯片吞吐量高出 101%。
76 tok/s/user 位于 14–138 tok/s/user 交互性区间的中段。在这一运行点,B200 运行 Llama 3.3 70B 的吞吐量为 3,981 tok/s/chip,每百万 token 成本为 $0.12;H200 的吞吐量为 1,930 tok/s/chip,每百万 token 成本为 $0.18。B200 的每 token 成本低 31%;B200 的单芯片吞吐量高出 106%。
将 Llama 3.3 70B 的目标交互性设为 108 tok/s/user 时,B200 的吞吐量为 2,352 tok/s/chip,每百万 token 成本为 $0.20;H200 的吞吐量为 1,152 tok/s/chip,每百万 token 成本为 $0.29。B200 的每 token 成本低 31%;B200 的单芯片吞吐量高出 104%。 (以上数据基于此 URL 对应的默认 8k/1k · fp8 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | B2005,994H2002,978 | B2003,981H2001,930 | B2002,352H2001,152 |
| 成本($/M tok) | B200$0.080H200$0.11 | B200$0.12H200$0.18 | B200$0.20H200$0.29 |
| tok/s/MW | B2003,505,000H2002,173,427 | B2002,328,088H2001,408,963 | B2001,375,171H200840,884 |
| 并发数 | B200~32H200~32 | B200~28H200~11 | B200~9H200~8 |