Qwen 3.5 397B-A17B · 芯片对比
Qwen 3.5 397B-A17B — B300 与 H100
对比 B300(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 →
在 Qwen 3.5 397B-A17B 的 71 tok/s/user 运行点,B300 的吞吐量为 57,416 tok/s/chip,每百万 token 成本为 $0.011;H100 的吞吐量为 6,053 tok/s/chip,每百万 token 成本为 $0.054。B300 的每 token 成本低 80%;B300 的单芯片吞吐量为对方的 9.5 倍。
当 Qwen 3.5 397B-A17B 的目标交互性为 123 tok/s/user 时,B300 与 H100 的吞吐量分别为 45,652 和 3,578 tok/s/chip,每百万 token 成本分别为 $0.014 和 $0.091。B300 的每 token 成本低 85%;B300 的单芯片吞吐量为对方的 13 倍。
以 176 tok/s/user 为目标运行 Qwen 3.5 397B-A17B 时,B300 的吞吐量为 22,215 tok/s/chip,每百万 token 成本为 $0.028;H100 的吞吐量为 2,528 tok/s/chip,每百万 token 成本为 $0.13。B300 的每 token 成本低 78%;B300 的单芯片吞吐量为对方的 8.8 倍。 (以上数据基于此 URL 对应的默认 agentic-traces · fp8 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | B30057,416H1006,053 | B30045,652H1003,578 | B30022,215H1002,528 |
| 成本($/M tok) | B300$0.011H100$0.054 | B300$0.014H100$0.091 | B300$0.028H100$0.13 |
| tok/s/MW | B30030,218,900H1004,418,126 | B30024,027,170H1002,611,475 | B30011,691,981H1001,844,968 |
| 并发数 | B300~56H100~12 | B300~41H100~6 | B300~19H100~4 |