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 129 tok/s/user 交互性下的吞吐量：GB200 NVL72 为 7928 tok/s/Chip，GB300 NVL72 为 5487。每百万 token 成本分别为 $0.07 和 $0.12。GB200 NVL72 每 token 成本低 85%；GB200 NVL72 每 Chip 吞吐量高出 44%。
GB200 NVL72 / GB300 NVL72 在 Qwen 3.5 397B-A17B 上以 211 tok/s/user 运行：2512 / 1856 tok/s/Chip，$0.21 / $0.35 每百万 token。GB200 NVL72 每 token 成本低 69%；GB200 NVL72 每 Chip 吞吐量高出 35%。
在 48–374 tok/s/user 交互性区间的高端，即 Qwen 3.5 397B-A17B 上以 293 tok/s/user 运行时：GB200 NVL72 达到 1208 tok/s/Chip（$0.41/百万 token），GB300 NVL72 达到 759（$0.81/百万）。GB200 NVL72 每 token 成本低 96%；GB200 NVL72 每 Chip 吞吐量高出 59%。 （数据反映此 URL 的默认 8k/1k · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | GB200 NVL72:7928.1GB300 NVL72:5487.2 | GB200 NVL72:2512.1GB300 NVL72:1855.9 | GB200 NVL72:1207.7GB300 NVL72:759.3 |
| Cost ($/M tok) | GB200 NVL72:$0.065GB300 NVL72:$0.120 | GB200 NVL72:$0.206GB300 NVL72:$0.348 | GB200 NVL72:$0.415GB300 NVL72:$0.812 |
| tok/s/MW | GB200 NVL72:4239647GB300 NVL72:2588300 | GB200 NVL72:1343379GB300 NVL72:875409 | GB200 NVL72:645842GB300 NVL72:358168 |
| Concurrency | GB200 NVL72:~467GB300 NVL72:~140 | GB200 NVL72:~25GB300 NVL72:~17 | GB200 NVL72:~5GB300 NVL72:~3 |
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。