Llama 3.3 70B · 芯片对比
Llama 3.3 70B — H100 与 H200
对比 H100(NVIDIA Hopper)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。
当 Llama 3.3 70B 的目标交互性为 38 tok/s/user 时,H100 与 H200 的吞吐量分别为 1,848 和 3,310 tok/s/chip,每百万 token 成本分别为 $0.18 和 $0.10。H200 的每 token 成本低 42%;H200 的单芯片吞吐量高出 79%。
以 58 tok/s/user 为目标运行 Llama 3.3 70B 时,H100 的吞吐量为 1,171 tok/s/chip,每百万 token 成本为 $0.28;H200 的吞吐量为 2,516 tok/s/chip,每百万 token 成本为 $0.13。H200 的每 token 成本低 51%;H200 的单芯片吞吐量高出 115%。
78 tok/s/user 接近 19–97 tok/s/user 交互性区间的上限。在这一运行点,H100 运行 Llama 3.3 70B 的吞吐量为 877 tok/s/chip,每百万 token 成本为 $0.37;H200 的吞吐量为 1,864 tok/s/chip,每百万 token 成本为 $0.18。H200 的每 token 成本低 51%;H200 的单芯片吞吐量高出 112%。 (以上数据基于此 URL 对应的默认 8k/1k · fp8 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | H1001,848H2003,310 | H1001,171H2002,516 | H100877H2001,864 |
| 成本($/M tok) | H100$0.18H200$0.10 | H100$0.28H200$0.13 | H100$0.37H200$0.18 |
| tok/s/MW | H1001,348,638H2002,416,052 | H100855,073H2001,836,618 | H100640,410H2001,360,591 |
| 并发数 | H100~20H200~32 | H100~16H200~23 | H100~8H200~10 |