Qwen 3.5 397B-A17B · 芯片对比

Qwen 3.5 397B-A17B — B200 与 H100

对比 B200(NVIDIA Blackwell)与 H100(NVIDIA Hopper)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 71 tok/s/user 时,B200 的吞吐量为 37,458 tok/s/chip,每百万 token 成本为 $0.013;H100 的吞吐量为 6,053 tok/s/chip,每百万 token 成本为 $0.054。B200 的每 token 成本低 76%;B200 的单芯片吞吐量为对方的 6.2 倍。

在 Qwen 3.5 397B-A17B 的 123 tok/s/user 运行点,B200 的吞吐量为 33,310 tok/s/chip,每百万 token 成本为 $0.014;H100 的吞吐量为 3,578 tok/s/chip,每百万 token 成本为 $0.091。B200 的每 token 成本低 84%;B200 的单芯片吞吐量为对方的 9.3 倍。

当 Qwen 3.5 397B-A17B 的目标交互性为 176 tok/s/user 时,B200 与 H100 的吞吐量分别为 21,401 和 2,528 tok/s/chip,每百万 token 成本分别为 $0.022 和 $0.13。B200 的每 token 成本低 83%;B200 的单芯片吞吐量为对方的 8.5 倍。 (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 →

B200 vs H100: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)
B20037,458H1006,053
B20033,310H1003,578
B20021,401H1002,528
成本($/M tok)
B200$0.013H100$0.054
B200$0.014H100$0.091
B200$0.022H100$0.13
tok/s/MW
B20021,904,983H1004,418,126
B20019,479,812H1002,611,475
B20012,514,953H1001,844,968
并发数
B200~30H100~12
B200~23H100~6
B200~14H100~4