Llama 3.3 70B · GPU 对比
Llama 3.3 70B — H100 vs H200
H100（NVIDIA Hopper）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。
Llama 3.3 70B 在 53 tok/s/user 交互性下的吞吐量：H100 为 1465 tok/s/GPU，H200 为 3036。每百万 token 成本分别为 $0.25 和 $0.13。H200 每 token 成本低 94%；H200 每 GPU 吞吐量高出 107%。
H100 / H200 在 Llama 3.3 70B 上以 72 tok/s/user 运行：773 / 2184 tok/s/GPU，$0.45 / $0.18 每百万 token。H200 每 token 成本低 153%；H200 每 GPU 吞吐量高出 183%。
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：H100 达到 304 tok/s/GPU（$1.19/百万 token），H200 达到 1480（$0.26/百万）。H200 每 token 成本低 354%；H200 每 GPU 吞吐量高出 387%。 （数据反映此 URL 的默认 1k/1k · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | H100:1465.2H200:3035.7 | H100:772.9H200:2184.2 | H100:303.7H200:1480.1 |
| Cost ($/M tok) | H100:$0.249H200:$0.129 | H100:$0.454H200:$0.179 | H100:$1.194H200:$0.263 |
| tok/s/MW | H100:846932H200:1754733 | H100:446737H200:1262549 | H100:175535H200:855562 |
| Concurrency | H100:~64H200:~64 | H100:~50H200:~64 | H100:~14H200:~35 |
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: