GLM 5/5.1 · GPU 对比
GLM 5/5.1 — GB200 NVL72 vs GB300 NVL72
GB200 NVL72（NVIDIA Blackwell）与 GB300 NVL72（NVIDIA Blackwell）在 GLM 5/5.1 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。
GLM 5/5.1 在 67 tok/s/user 交互性下的吞吐量：GB200 NVL72 为 9135 tok/s/GPU，GB300 NVL72 为 10192。每百万 token 成本分别为 $0.07 和 $0.07。GB200 NVL72 每 token 成本低 7%；GB300 NVL72 每 GPU 吞吐量高出 12%。
GB200 NVL72 / GB300 NVL72 在 GLM 5/5.1 上以 104 tok/s/user 运行：3619 / 4394 tok/s/GPU，$0.17 / $0.17 每百万 token。每 token 成本基本持平；GB300 NVL72 每 GPU 吞吐量高出 21%。
在 30–177 tok/s/user 交互性区间的高端，即 GLM 5/5.1 上以 141 tok/s/user 运行时：GB200 NVL72 达到 630 tok/s/GPU（$0.98/百万 token），GB300 NVL72 达到 837（$0.84/百万）。GB300 NVL72 每 token 成本低 16%；GB300 NVL72 每 GPU 吞吐量高出 33%。 （数据反映此 URL 的默认 8k/1k · fp4 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | GB200 NVL72:9135.4GB300 NVL72:10192.4 | GB200 NVL72:3618.9GB300 NVL72:4393.6 | GB200 NVL72:629.8GB300 NVL72:837.2 |
| Cost ($/M tok) | GB200 NVL72:$0.068GB300 NVL72:$0.072 | GB200 NVL72:$0.168GB300 NVL72:$0.167 | GB200 NVL72:$0.976GB300 NVL72:$0.839 |
| tok/s/MW | GB200 NVL72:4885238GB300 NVL72:4807740 | GB200 NVL72:1935265GB300 NVL72:2072464 | GB200 NVL72:336816GB300 NVL72:394893 |
| Concurrency | GB200 NVL72:~698GB300 NVL72:~749 | GB200 NVL72:~231GB300 NVL72:~276 | GB200 NVL72:~62GB300 NVL72:~23 |
推理性能
不同模型、硬件配置和服务参数下的推理性能指标。
厂商:
聚合模式:
投机解码: