Qwen 3.5 397B-A17B · 芯片对比

Qwen 3.5 397B-A17B — B200 与 GB300 NVL72

对比 B200(NVIDIA Blackwell)与 GB300 NVL72(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 141 tok/s/user 时,B200 与 GB300 NVL72 的吞吐量分别为 31,174 和 59,758 tok/s/chip,每百万 token 成本分别为 $0.015 和 $0.011。GB300 NVL72 的每 token 成本低 30%;GB300 NVL72 的单芯片吞吐量高出 92%。

以 214 tok/s/user 为目标运行 Qwen 3.5 397B-A17B 时,B200 的吞吐量为 19,213 tok/s/chip,每百万 token 成本为 $0.025;GB300 NVL72 的吞吐量为 33,238 tok/s/chip,每百万 token 成本为 $0.019。GB300 NVL72 的每 token 成本低 23%;GB300 NVL72 的单芯片吞吐量高出 73%。

287 tok/s/user 接近 68–359 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 8,540 tok/s/chip,每百万 token 成本为 $0.056;GB300 NVL72 的吞吐量为 24,883 tok/s/chip,每百万 token 成本为 $0.026。GB300 NVL72 的每 token 成本低 54%;GB300 NVL72 的单芯片吞吐量高出 191%。 (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 →

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)
B20031,174GB300 NVL7259,758
B20019,213GB300 NVL7233,238
B2008,540GB300 NVL7224,883
成本($/M tok)
B200$0.015GB300 NVL72$0.011
B200$0.025GB300 NVL72$0.019
B200$0.056GB300 NVL72$0.026
tok/s/MW
B20018,230,323GB300 NVL7228,187,615
B20011,235,650GB300 NVL7215,678,249
B2004,994,091GB300 NVL7211,737,088
并发数
B200~23GB300 NVL72~392
B200~29GB300 NVL72~159
B200~11GB300 NVL72~113