GLM 5/5.1 · 芯片对比

GLM 5/5.1 — B200 vs GB200 NVL72

B200（NVIDIA Blackwell）与 GB200 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。

B200 在 GLM 5/5.1 上以 58 tok/s/user 运行时达到 2532 tok/s/chip（每百万 token $0.19）；GB200 NVL72 达到 9598 tok/s/chip（$0.05）。GB200 NVL72 每 token 成本低 253%；GB200 NVL72 每芯片吞吐量高出 279%。

GLM 5/5.1 在 86 tok/s/user 交互性下的吞吐量：B200 为 1796 tok/s/chip，GB200 NVL72 为 6589。每百万 token 成本分别为 $0.27 和 $0.08。GB200 NVL72 每 token 成本低 241%；GB200 NVL72 每芯片吞吐量高出 267%。

B200 / GB200 NVL72 在 GLM 5/5.1 上以 114 tok/s/user 运行：1385 / 1997 tok/s/chip，$0.35 / $0.26 每百万 token。GB200 NVL72 每 token 成本低 34%；GB200 NVL72 每芯片吞吐量高出 44%。（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。）

查看每美元性能对比 →

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/chip)	B200:2531.9GB200 NVL72:9597.8	B200:1796.4GB200 NVL72:6589.1	B200:1385.1GB200 NVL72:1996.6
Cost ($/M tok)	B200:$0.190GB200 NVL72:$0.054	B200:$0.268GB200 NVL72:$0.078	B200:$0.347GB200 NVL72:$0.259
tok/s/MW	B200:1480645GB200 NVL72:5132497	B200:1050524GB200 NVL72:3523588	B200:809988GB200 NVL72:1067709
Concurrency	B200:~20GB200 NVL72:~953	B200:~10GB200 NVL72:~664	B200:~5GB200 NVL72:~108

推理性能

不同模型、硬件配置和服务参数下，来自 AgentX 场景的智能体推理指标与固定序列推理指标。

模型

场景

Y 轴指标

芯片配置

每 1 美元可购买的总 token 数（自有 - Neocloud Giant） vs. 交互性

GLM5/5.1 744B • FP4 • 8K / 1K • 来源：SemiAnalysis InferenceX™

TCO $/chip/hr： VR200: 3.61H100: 1.55H200: 1.59B200: 2.07B300: 2.52GB200: 2.26GB300: 2.79MI300X: 1.16MI325X: 1.32MI355X: 2.09RTX6000PRO: 0.75Jalapeño (Teacup): 1.56

来源： SemiAnalysis Market July 2026 Pricing Surveys & AI Cloud TCO Model

注意：分离式推理配置（如 MoRI SGLang、Dynamo TRTLLM）按解码芯片或预填充芯片计算每百万 token 成本，而非按芯片总数计算。因此，与聚合配置进行token 成本的直接对比并不完全等价。

注意：分离式推理配置（如 MoRI SGLang、Dynamo TRTLLM）按解码芯片或预填充芯片计算输入吞吐量，而非按芯片总数计算。因此，与聚合配置进行输入吞吐量的直接对比并不完全等价。

注意：分离式推理配置（如 MoRI SGLang、Dynamo TRTLLM）按解码芯片或预填充芯片计算输出吞吐量，而非按芯片总数计算。因此，与聚合配置进行输出吞吐量的直接对比并不完全等价。

注意：分离式推理配置（如 MoRI SGLang、Dynamo TRTLLM）按解码芯片或预填充芯片计算功耗，而非按芯片总数计算。因此，与聚合配置进行功耗的直接对比并不完全等价。

注意：分离式推理配置（如 MoRI SGLang、Dynamo TRTLLM）按解码芯片或预填充芯片计算能耗，而非按芯片总数计算。因此，与聚合配置进行每 token 能耗的直接对比并不完全等价。

No data available

Please change the model, sequence, precision, date range or chip selection.

Shift+Scroll to zoom • Drag to pan • Double-click to reset • Click a point to pin tooltip