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 40–187 tok/s/user 交互性区间的低端，即 Qwen 3.5 397B-A17B 上以 77 tok/s/user 运行时：GB300 NVL72 达到 11644 tok/s/GPU（$0.06/百万 token），H200 达到 1510（$0.26/百万）。GB300 NVL72 每 token 成本低 310%；GB300 NVL72 每 GPU 吞吐量高出 671%。
以 114 tok/s/user 为目标在 Qwen 3.5 397B-A17B 上运行时，GB300 NVL72 产出 7392 tok/s/GPU（每百万 token $0.10），H200 产出 1174（$0.33）。GB300 NVL72 每 token 成本低 232%；GB300 NVL72 每 GPU 吞吐量高出 530%。
在 Qwen 3.5 397B-A17B 上以 151 tok/s/user 交互性运行时，GB300 NVL72 吞吐量为 3829 tok/s/GPU，每百万 token 成本 $0.19；H200 吞吐量为 935 tok/s/GPU，成本 $0.42。GB300 NVL72 每 token 成本低 121%；GB300 NVL72 每 GPU 吞吐量高出 310%。 （数据反映此 URL 的默认 8k/1k · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | GB300 NVL72:11644.2H200:1510.0 | GB300 NVL72:7392.3H200:1174.1 | GB300 NVL72:3829.5H200:934.8 |
| Cost ($/M tok) | GB300 NVL72:$0.063H200:$0.259 | GB300 NVL72:$0.101H200:$0.335 | GB300 NVL72:$0.189H200:$0.417 |
| tok/s/MW | GB300 NVL72:5492531H200:1102201 | GB300 NVL72:3486939H200:856983 | GB300 NVL72:1806354H200:682333 |
| Concurrency | GB300 NVL72:~1299H200:~18 | GB300 NVL72:~364H200:~10 | GB300 NVL72:~61H200:~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。