Qwen 3.5 397B-A17B · 芯片对比
Qwen 3.5 397B-A17B — GB200 NVL72 与 GB300 NVL72
对比 GB200 NVL72(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 →
当 Qwen 3.5 397B-A17B 的目标交互性为 191 tok/s/user 时,GB200 NVL72 与 GB300 NVL72 的吞吐量分别为 41,390 和 158,851 tok/s/chip,每百万 token 成本分别为 $0.012 和 $0.004。GB300 NVL72 的每 token 成本低 68%;GB300 NVL72 的单芯片吞吐量为对方的 3.8 倍。
以 302 tok/s/user 为目标运行 Qwen 3.5 397B-A17B 时,GB200 NVL72 的吞吐量为 22,459 tok/s/chip,每百万 token 成本为 $0.023;GB300 NVL72 的吞吐量为 123,201 tok/s/chip,每百万 token 成本为 $0.005。GB300 NVL72 的每 token 成本低 77%;GB300 NVL72 的单芯片吞吐量为对方的 5.5 倍。
413 tok/s/user 接近 81–523 tok/s/user 交互性区间的上限。在这一运行点,GB200 NVL72 运行 Qwen 3.5 397B-A17B 的吞吐量为 8,412 tok/s/chip,每百万 token 成本为 $0.061;GB300 NVL72 的吞吐量为 85,432 tok/s/chip,每百万 token 成本为 $0.008。GB300 NVL72 的每 token 成本低 88%;GB300 NVL72 的单芯片吞吐量为对方的 10 倍。 (以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | GB200 NVL7241,390GB300 NVL72158,851 | GB200 NVL7222,459GB300 NVL72123,201 | GB200 NVL728,412GB300 NVL7285,432 |
| 成本($/M tok) | GB200 NVL72$0.012GB300 NVL72$0.004 | GB200 NVL72$0.023GB300 NVL72$0.005 | GB200 NVL72$0.061GB300 NVL72$0.008 |
| tok/s/MW | GB200 NVL7222,133,631GB300 NVL7274,929,530 | GB200 NVL7212,010,308GB300 NVL7258,113,677 | GB200 NVL724,498,655GB300 NVL7240,298,157 |
| 并发数 | GB200 NVL72~24GB300 NVL72~520 | GB200 NVL72~13GB300 NVL72~297 | GB200 NVL72~5GB300 NVL72~238 |