Qwen 3.5 397B-A17B · 芯片对比
Qwen 3.5 397B-A17B — H100 与 H200
对比 H100(NVIDIA Hopper)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 →
当 Qwen 3.5 397B-A17B 的目标交互性为 86 tok/s/user 时,H100 的吞吐量为 6,053 tok/s/chip,每百万 token 成本为 $0.054;H200 的吞吐量为 19,260 tok/s/chip,每百万 token 成本为 $0.018。H200 的每 token 成本低 67%;H200 的单芯片吞吐量为对方的 3.2 倍。
在 Qwen 3.5 397B-A17B 的 134 tok/s/user 运行点,H100 的吞吐量为 3,280 tok/s/chip,每百万 token 成本为 $0.099;H200 的吞吐量为 16,579 tok/s/chip,每百万 token 成本为 $0.020。H200 的每 token 成本低 79%;H200 的单芯片吞吐量为对方的 5.1 倍。
当 Qwen 3.5 397B-A17B 的目标交互性为 181 tok/s/user 时,H100 与 H200 的吞吐量分别为 2,443 和 12,431 tok/s/chip,每百万 token 成本分别为 $0.13 和 $0.027。H200 的每 token 成本低 80%;H200 的单芯片吞吐量为对方的 5.1 倍。 (以上数据基于此 URL 对应的默认 agentic-traces · fp8 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | H1006,053H20019,260 | H1003,280H20016,579 | H1002,443H20012,431 |
| 成本($/M tok) | H100$0.054H200$0.018 | H100$0.099H200$0.020 | H100$0.13H200$0.027 |
| tok/s/MW | H1004,418,126H20014,058,330 | H1002,394,386H20012,101,238 | H1001,783,336H2009,074,075 |
| 并发数 | H100~12H200~32 | H100~5H200~23 | H100~4H200~16 |