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。)

查看每美元性能对比 →

B200 vs H200: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)
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