Qwen 3.8 Flash Next 176B-A6B — H100 vs H200
H100（NVIDIA Hopper）与 H200（NVIDIA Hopper）在 Qwen 3.8 Flash Next 176B-A6B 上的正面 AI 推理基准测试对比。涵盖各类 LLM 工作负载的延迟、吞吐量与成本。使用下方图表控件切换序列、精度和指标——交互方式与主推理图表相同。
AgentX 回放真实的编码 agent 会话，而不是固定长度的 prompt，因此上下文随轮次不断增长，每个请求的大部分内容由 cache 提供而无需重新计算。这让对比变成一个系统问题：跨节点的 KV 传输、prefix 感知路由与 cache 容量，都会与芯片原始吞吐量一同影响曲线。固定序列负载仍然是衡量 kernel 与芯片性能的干净基线，因此两种场景回答的是关于同一硬件的不同问题。 进一步了解 AgentX →
以 44 tok/s/user 为目标在 Qwen 3.8 Flash Next 176B-A6B 上运行时，H100 产出 4983 tok/s/chip（每百万 token $0.07），H200 产出 16508（$0.02）。H200 每 token 成本低 218%；H200 每芯片吞吐量高出 231%。
在 Qwen 3.8 Flash Next 176B-A6B 上以 74 tok/s/user 交互性运行时，H100 吞吐量为 4947 tok/s/chip，每百万 token 成本 $0.07；H200 吞吐量为 15464 tok/s/chip，成本 $0.02。H200 每 token 成本低 200%；H200 每芯片吞吐量高出 213%。
H100 在 Qwen 3.8 Flash Next 176B-A6B 上以 104 tok/s/user 运行时达到 4914 tok/s/chip（每百万 token $0.07）；H200 达到 13308 tok/s/chip（$0.03）。H200 每 token 成本低 160%；H200 每芯片吞吐量高出 171%。 （数据反映此 URL 的默认 agentic-traces · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | H100:4983.0H200:16508.0 | H100:4947.0H200:15464.4 | H100:4913.9H200:13308.3 |
| Cost ($/M tok) | H100:$0.065H200:$0.021 | H100:$0.066H200:$0.022 | H100:$0.066H200:$0.025 |
| tok/s/MW | H100:3637239H200:12049649 | H100:3610925H200:11287849 | H100:3586797H200:9714104 |
| Concurrency | H100:~11H200:~15 | H100:~10H200:~13 | H100:~9H200:~11 |