Llama 3.3 70B · GPU 对比
Llama 3.3 70B — B200 vs H200
B200（NVIDIA Blackwell）与 H200（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。
B200 / H200 在 Llama 3.3 70B 上以 65 tok/s/user 运行：5366 / 2459 tok/s/GPU，$0.10 / $0.16 每百万 token。B200 每 token 成本低 55%；B200 每 GPU 吞吐量高出 118%。
在 34–159 tok/s/user 交互性区间的中部，即 Llama 3.3 70B 上以 97 tok/s/user 运行时：B200 达到 3284 tok/s/GPU（$0.16/百万 token），H200 达到 1279（$0.31/百万）。B200 每 token 成本低 89%；B200 每 GPU 吞吐量高出 157%。
以 128 tok/s/user 为目标在 Llama 3.3 70B 上运行时，B200 产出 1649 tok/s/GPU（每百万 token $0.33），H200 产出 522（$0.75）。B200 每 token 成本低 125%；B200 每 GPU 吞吐量高出 216%。 （数据反映此 URL 的默认 1k/1k · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | B200:5365.8H200:2458.7 | B200:3284.3H200:1278.7 | B200:1648.9H200:521.5 |
| Cost ($/M tok) | B200:$0.102H200:$0.158 | B200:$0.163H200:$0.309 | B200:$0.333H200:$0.751 |
| tok/s/MW | B200:2472729H200:1421206 | B200:1513525H200:739144 | B200:759842H200:301461 |
| Concurrency | B200:~128H200:~64 | B200:~74H200:~27 | B200:~27H200:~16 |
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: