Qwen 3.5 397B-A17B · 芯片对比
Qwen 3.5 397B-A17B — B300 与 GB200 NVL72
对比 B300(NVIDIA Blackwell)与 GB200 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 168 tok/s/user 时,B300 的吞吐量为 67,010 tok/s/chip,每百万 token 成本为 $0.009;GB200 NVL72 的吞吐量为 52,727 tok/s/chip,每百万 token 成本为 $0.010。B300 的每 token 成本低 4%;B300 的单芯片吞吐量高出 27%。
在 Qwen 3.5 397B-A17B 的 287 tok/s/user 运行点,B300 的吞吐量为 40,379 tok/s/chip,每百万 token 成本为 $0.016;GB200 NVL72 的吞吐量为 24,309 tok/s/chip,每百万 token 成本为 $0.021。B300 的每 token 成本低 27%;B300 的单芯片吞吐量高出 66%。
当 Qwen 3.5 397B-A17B 的目标交互性为 405 tok/s/user 时,B300 与 GB200 NVL72 的吞吐量分别为 26,101 和 9,186 tok/s/chip,每百万 token 成本分别为 $0.024 和 $0.056。B300 的每 token 成本低 57%;B300 的单芯片吞吐量高出 184%。 (以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | B30067,010GB200 NVL7252,727 | B30040,379GB200 NVL7224,309 | B30026,101GB200 NVL729,186 |
| 成本($/M tok) | B300$0.009GB200 NVL72$0.010 | B300$0.016GB200 NVL72$0.021 | B300$0.024GB200 NVL72$0.056 |
| tok/s/MW | B30035,268,674GB200 NVL7228,196,482 | B30021,251,932GB200 NVL7212,999,597 | B30013,737,277GB200 NVL724,912,176 |
| 并发数 | B300~24GB200 NVL72~23 | B300~29GB200 NVL72~15 | B300~17GB200 NVL72~6 |