Qwen 3.5 397B-A17B · 芯片对比

Qwen 3.5 397B-A17B — GB300 NVL72 与 H200

对比 GB300 NVL72(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 →

141 tok/s/user 接近 68–359 tok/s/user 交互性区间的下限。在这一运行点,GB300 NVL72 运行 Qwen 3.5 397B-A17B 的吞吐量为 59,758 tok/s/chip,每百万 token 成本为 $0.011;H200 的吞吐量为 16,049 tok/s/chip,每百万 token 成本为 $0.021。GB300 NVL72 的每 token 成本低 49%;GB300 NVL72 的单芯片吞吐量为对方的 3.7 倍。

将 Qwen 3.5 397B-A17B 的目标交互性设为 214 tok/s/user 时,GB300 NVL72 的吞吐量为 33,238 tok/s/chip,每百万 token 成本为 $0.019;H200 的吞吐量为 9,601 tok/s/chip,每百万 token 成本为 $0.035。GB300 NVL72 的每 token 成本低 45%;GB300 NVL72 的单芯片吞吐量为对方的 3.5 倍。

当 Qwen 3.5 397B-A17B 的目标交互性为 287 tok/s/user 时,GB300 NVL72 的吞吐量为 24,883 tok/s/chip,每百万 token 成本为 $0.026;H200 的吞吐量为 5,556 tok/s/chip,每百万 token 成本为 $0.061。GB300 NVL72 的每 token 成本低 58%;GB300 NVL72 的单芯片吞吐量为对方的 4.5 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。)

查看每美元性能对比 →

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)
GB300 NVL7259,758H20016,049
GB300 NVL7233,238H2009,601
GB300 NVL7224,883H2005,556
成本($/M tok)
GB300 NVL72$0.011H200$0.021
GB300 NVL72$0.019H200$0.035
GB300 NVL72$0.026H200$0.061
tok/s/MW
GB300 NVL7228,187,615H20011,714,364
GB300 NVL7215,678,249H2007,007,840
GB300 NVL7211,737,088H2004,055,168
并发数
GB300 NVL72~392H200~22
GB300 NVL72~159H200~12
GB300 NVL72~113H200~8