Qwen 3.5 397B-A17B · 芯片对比
Qwen 3.5 397B-A17B — B300 与 GB300 NVL72
对比 B300(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 →
以 147 tok/s/user 为目标运行 Qwen 3.5 397B-A17B 时,B300 的吞吐量为 34,089 tok/s/chip,每百万 token 成本为 $0.018;GB300 NVL72 的吞吐量为 57,797 tok/s/chip,每百万 token 成本为 $0.011。GB300 NVL72 的每 token 成本低 40%;GB300 NVL72 的单芯片吞吐量高出 70%。
226 tok/s/user 位于 68–384 tok/s/user 交互性区间的中段。在这一运行点,B300 运行 Qwen 3.5 397B-A17B 的吞吐量为 18,266 tok/s/chip,每百万 token 成本为 $0.034;GB300 NVL72 的吞吐量为 31,449 tok/s/chip,每百万 token 成本为 $0.020。GB300 NVL72 的每 token 成本低 41%;GB300 NVL72 的单芯片吞吐量高出 72%。
将 Qwen 3.5 397B-A17B 的目标交互性设为 305 tok/s/user 时,B300 的吞吐量为 9,049 tok/s/chip,每百万 token 成本为 $0.069;GB300 NVL72 的吞吐量为 23,515 tok/s/chip,每百万 token 成本为 $0.027。GB300 NVL72 的每 token 成本低 61%;GB300 NVL72 的单芯片吞吐量高出 160%。 (以上数据基于此 URL 对应的默认 agentic-traces · fp8 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | B30034,089GB300 NVL7257,797 | B30018,266GB300 NVL7231,449 | B3009,049GB300 NVL7223,515 |
| 成本($/M tok) | B300$0.018GB300 NVL72$0.011 | B300$0.034GB300 NVL72$0.020 | B300$0.069GB300 NVL72$0.027 |
| tok/s/MW | B30017,941,406GB300 NVL7227,262,631 | B3009,613,438GB300 NVL7214,834,519 | B3004,762,704GB300 NVL7211,092,177 |
| 并发数 | B300~26GB300 NVL72~364 | B300~26GB300 NVL72~149 | B300~12GB300 NVL72~106 |