GLM 5/5.1
GLM-5 最快 GPU 排行
B300 以单 GPU 每秒 2,988 token 领先，比第二名 B200 高 7%。
测试基于单轮对话工作负载（8k 输入 / 1k 输出），交互速度统一设定为每用户每秒 50 token。在该工作点没有实测数据的硬件不参与排名。
| 排名 | GPU | 单 GPU 每秒 token 数 | 每百万 token 成本 | 精度 | 推理引擎 |
|---|---|---|---|---|---|
| 1 | B300 | 2,988 | $0.21 | fp4 | SGLang |
| 2 | B200 | 2,792 | $0.17 | fp4 | SGLang |
| 3 | GB200 NVL72 | 1,553 | $0.33 | fp4 | Dynamo SGLang |
| 4 | GB300 NVL72 | 1,482 | $0.43 | fp4 | Dynamo SGLang |
| 5 | MI355X | 967 | $0.43 | fp8 | SGLang |
更关注成本而不是速度？ 查看运行 GLM-5 最省钱的 GPU
测试方法
本页所有数字都来自实测，而非纸面规格估算。InferenceX 集群使用社区推理引擎在真实硬件上部署 GLM-5，通过扫描并发数绘制每个平台的吞吐与交互速度前沿曲线。
所有平台在同一工作点（每用户每秒 50 token）读取，保证对比是等交互速度的：任何 GPU 都无法靠牺牲单用户速度换取纸面吞吐来取胜。成本按 SemiAnalysis AI Cloud TCO 模型的 $/GPU/小时 价格，把实测吞吐换算为每百万 token（输入加输出）成本。
推导逻辑与 InferenceX 总览排行榜共用，基准测试持续重跑，新引擎版本和新配置落地后排行会自动更新。
常见问题
- GLM-5 推理最快的 GPU 是哪款？
- 按最新基准测试结果，B300 在单轮对话工作负载（8k 输入 / 1k 输出）下以单 GPU 每秒 2,988 token 领先，交互速度统一设定为每用户每秒 50 token。
- “最快”是如何衡量的？
- 所有平台都在相同的交互速度档位（每用户每秒 50 token）和单轮对话工作负载（8k 输入 / 1k 输出）下读取，再按实测单 GPU 吞吐排名。推导方式与 InferenceX 总览排行榜完全一致，因此本页排名不会与仪表盘出现分歧。
- 排行多久更新一次？
- 基准测试在 InferenceX 集群上持续运行，本排行最新一条结果落在 2026-08-24。页面始终渲染最新数据。