Qwen 3.5 397B-A17B · 芯片对比
Qwen 3.5 397B-A17B — B200 与 H200
对比 B200(NVIDIA Blackwell)与 H200(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 →
在 Qwen 3.5 397B-A17B 的 119 tok/s/user 运行点,B200 的吞吐量为 33,934 tok/s/chip,每百万 token 成本为 $0.014;H200 的吞吐量为 17,544 tok/s/chip,每百万 token 成本为 $0.019。B200 的每 token 成本低 27%;B200 的单芯片吞吐量高出 93%。
当 Qwen 3.5 397B-A17B 的目标交互性为 199 tok/s/user 时,B200 与 H200 的吞吐量分别为 20,419 和 10,796 tok/s/chip,每百万 token 成本分别为 $0.024 和 $0.031。B200 的每 token 成本低 25%;B200 的单芯片吞吐量高出 89%。
以 279 tok/s/user 为目标运行 Qwen 3.5 397B-A17B 时,B200 的吞吐量为 9,358 tok/s/chip,每百万 token 成本为 $0.051;H200 的吞吐量为 5,897 tok/s/chip,每百万 token 成本为 $0.057。B200 的每 token 成本低 11%;B200 的单芯片吞吐量高出 59%。 (以上数据基于此 URL 对应的默认 agentic-traces · fp8 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | B20033,934H20017,544 | B20020,419H20010,796 | B2009,358H2005,897 |
| 成本($/M tok) | B200$0.014H200$0.019 | B200$0.024H200$0.031 | B200$0.051H200$0.057 |
| tok/s/MW | B20019,844,336H20012,805,486 | B20011,940,803H2007,880,654 | B2005,472,660H2004,304,620 |
| 并发数 | B200~30H200~25 | B200~32H200~14 | B200~12H200~8 |