Qwen 3.5 397B-A17B — GB200 NVL72 vs GB300 NVL72
GB200 NVL72（NVIDIA Blackwell）与 GB300 NVL72（NVIDIA Blackwell）在 Qwen 3.5 397B-A17B 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。
Qwen 3.5 397B-A17B 在 121 tok/s/user 交互性下的吞吐量：GB200 NVL72 为 5636 tok/s/GPU，GB300 NVL72 为 6462。每百万 token 成本分别为 $0.11 和 $0.12。GB200 NVL72 每 token 成本低 3%；GB300 NVL72 每 GPU 吞吐量高出 15%。
GB200 NVL72 / GB300 NVL72 在 Qwen 3.5 397B-A17B 上以 203 tok/s/user 运行：1828 / 2070 tok/s/GPU，$0.33 / $0.36 每百万 token。GB200 NVL72 每 token 成本低 7%；GB300 NVL72 每 GPU 吞吐量高出 13%。
在 40–365 tok/s/user 交互性区间的高端，即 Qwen 3.5 397B-A17B 上以 284 tok/s/user 运行时：GB200 NVL72 达到 811 tok/s/GPU（$0.71/百万 token），GB300 NVL72 达到 818（$0.86/百万）。GB200 NVL72 每 token 成本低 21%；每 GPU 吞吐量基本持平。 （数据反映此 URL 的默认 8k/1k · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | GB200 NVL72:5636.4GB300 NVL72:6461.6 | GB200 NVL72:1828.1GB300 NVL72:2069.9 | GB200 NVL72:811.4GB300 NVL72:818.5 |
| Cost ($/M tok) | GB200 NVL72:$0.113GB300 NVL72:$0.117 | GB200 NVL72:$0.334GB300 NVL72:$0.358 | GB200 NVL72:$0.708GB300 NVL72:$0.860 |
| tok/s/MW | GB200 NVL72:3014110GB300 NVL72:3047939 | GB200 NVL72:977571GB300 NVL72:976389 | GB200 NVL72:433896GB300 NVL72:386081 |
| Concurrency | GB200 NVL72:~191GB300 NVL72:~241 | GB200 NVL72:~17GB300 NVL72:~23 | GB200 NVL72:~4GB300 NVL72:~4 |
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。