Qwen 3.5 397B-A17B · 芯片对比

Qwen 3.5 397B-A17B — B200 与 B300

对比 B200(NVIDIA Blackwell)与 B300(NVIDIA Blackwell)在 Qwen 3.5 397B-A17B 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。

AgentX 回放真实的 coding agent 会话,而非定长 prompt。随着会话轮次增加,上下文不断增长;每个请求的大部分内容都可直接从 cache 读取,无需重新计算。因此,这项对比不仅取决于芯片本身的吞吐量,还会受到跨节点 KV 传输、prefix-aware routing 和 cache 容量等系统因素影响。定长序列工作负载仍是衡量 kernel 与芯片性能的清晰基线;两种场景从不同角度回答同一硬件的性能问题。 进一步了解 AgentX →

当 Qwen 3.5 397B-A17B 的目标交互性为 97 tok/s/user 时,B200 与 B300 的吞吐量分别为 36,315 和 51,425 tok/s/chip,每百万 token 成本分别为 $0.013 和 $0.012。B300 的每 token 成本低 8%;B300 的单芯片吞吐量高出 42%。

以 185 tok/s/user 为目标运行 Qwen 3.5 397B-A17B 时,B200 的吞吐量为 20,948 tok/s/chip,每百万 token 成本为 $0.023;B300 的吞吐量为 21,591 tok/s/chip,每百万 token 成本为 $0.029。B200 的每 token 成本低 21%;B300 的单芯片吞吐量高出 3%。

272 tok/s/user 接近 11–359 tok/s/user 交互性区间的上限。在这一运行点,B200 运行 Qwen 3.5 397B-A17B 的吞吐量为 12,352 tok/s/chip,每百万 token 成本为 $0.039;B300 的吞吐量为 10,305 tok/s/chip,每百万 token 成本为 $0.061。B200 的每 token 成本低 36%;B200 的单芯片吞吐量高出 20%。 (以上数据基于此 URL 对应的默认 agentic-traces · 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 →

B300 vs B200: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)
B20036,315B30051,425
B20020,948B30021,591
B20012,352B30010,305
成本($/M tok)
B200$0.013B300$0.012
B200$0.023B300$0.029
B200$0.039B300$0.061
tok/s/MW
B20021,236,971B30027,065,804
B20012,250,016B30011,363,534
B2007,223,490B3005,423,827
并发数
B200~29B300~49
B200~21B300~25
B200~16B300~8