Qwen 3.5 397B-A17B — GB300 NVL72 vs H200
GB300 NVL72（NVIDIA Blackwell）与 H200（NVIDIA Hopper）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。
在 48–187 tok/s/user 交互性区间的低端，即 Qwen 3.5 397B-A17B 上以 83 tok/s/user 运行时：GB300 NVL72 达到 11181 tok/s/Chip（$0.06/百万 token），H200 达到 1451（$0.23/百万）。GB300 NVL72 每 token 成本低 307%；GB300 NVL72 每 Chip 吞吐量高出 670%。
以 118 tok/s/user 为目标在 Qwen 3.5 397B-A17B 上运行时，GB300 NVL72 产出 6855 tok/s/Chip（每百万 token $0.10），H200 产出 1143（$0.30）。GB300 NVL72 每 token 成本低 211%；GB300 NVL72 每 Chip 吞吐量高出 500%。
在 Qwen 3.5 397B-A17B 上以 153 tok/s/user 交互性运行时，GB300 NVL72 吞吐量为 3752 tok/s/Chip，每百万 token 成本 $0.17；H200 吞吐量为 925 tok/s/Chip，成本 $0.36。GB300 NVL72 每 token 成本低 117%；GB300 NVL72 每 Chip 吞吐量高出 306%。 （数据反映此 URL 的默认 8k/1k · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | GB300 NVL72:11181.2H200:1451.2 | GB300 NVL72:6854.8H200:1142.8 | GB300 NVL72:3752.4H200:925.0 |
| Cost ($/M tok) | GB300 NVL72:$0.057H200:$0.234 | GB300 NVL72:$0.096H200:$0.298 | GB300 NVL72:$0.168H200:$0.365 |
| tok/s/MW | GB300 NVL72:5274168H200:1059296 | GB300 NVL72:3233394H200:834174 | GB300 NVL72:1769990H200:675190 |
| Concurrency | GB300 NVL72:~1209H200:~16 | GB300 NVL72:~290H200:~9 | GB300 NVL72:~59H200:~6 |
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。