GLM 5.3 744BNVIDIA Hopper
在 H200 上运行 GLM-5.2
快速结论
GLM-5.2 可在 H200 上运行：目前已有 3 组实测配置，各档位实测结果见下方阶梯表。
实测配置数
3
推理引擎
Dynamo SGLang
精度
fp8
运行日期
2026-08-25 → 2026-08-25
各交互档位下的吞吐表现
推理部署是一种权衡：单 GPU 上并发用户越多，每个用户收到 token 的速度就越慢。下表在AgentX 智能体编码工作负载下按每个单用户速度目标读取实测前沿，取该工作点上最优的引擎与精度。
| 单用户速度目标 | 单 GPU 每秒 token 数 | 每百万 token 成本 | 推理引擎 | 精度 |
|---|---|---|---|---|
| 30 tok/s | - | - | Dynamo SGLang | fp8 |
| 50 tok/s | - | - | Dynamo SGLang | fp8 |
| 75 tok/s | - | - | Dynamo SGLang | fp8 |
| 100 tok/s | - | - | Dynamo SGLang | fp8 |
| 150 tok/s | - | - | Dynamo SGLang | fp8 |
| 200 tok/s | - | - | Dynamo SGLang | fp8 |
常见问题
- GLM-5.2 在 H200 上能跑多快？
- InferenceX 集群已为该组合完成 3 组实测配置，各交互档位的实测结果见上方阶梯表。
- 在 H200 上部署 GLM-5.2 的成本是多少？
- 每百万 token 成本由实测吞吐和 SemiAnalysis AI Cloud TCO 模型的 $/GPU/小时 价格换算得出，待该组合达到主交互档位后即会显示。
- 哪些推理引擎可以在 H200 上运行 GLM-5.2？
- 本页数据来自 Dynamo SGLang，精度覆盖 FP8，包含 prefill 分离部署，并包含多节点部署。推理引擎持续重新构建并重跑基准，最优配置可能随时变化。
- 这些 GLM-5.2 数据是如何测得的？
- 所有数字均由 InferenceX 集群在真实 H200 硬件上实测，通过在AgentX 智能体编码工作负载下扫描并发数绘制吞吐与交互速度前沿曲线；最新一次运行落在 2026-08-25。推导方式与 InferenceX 总览排行榜完全一致。