GLM 5/5.1 · 芯片对比

GLM 5/5.1 — B300 vs GB300 NVL72

B300（NVIDIA Blackwell）与 GB300 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。

B300 / GB300 NVL72 在 GLM 5/5.1 上以 59 tok/s/user 运行：2598 / 10515 tok/s/chip，$0.24 / $0.06 每百万 token。GB300 NVL72 每 token 成本低 296%；GB300 NVL72 每芯片吞吐量高出 305%。

在 30–147 tok/s/user 交互性区间的中部，即 GLM 5/5.1 上以 88 tok/s/user 运行时：B300 达到 1755 tok/s/chip（$0.36/百万 token），GB300 NVL72 达到 7480（$0.09/百万）。GB300 NVL72 每 token 成本低 317%；GB300 NVL72 每芯片吞吐量高出 326%。

以 118 tok/s/user 为目标在 GLM 5/5.1 上运行时，B300 产出 1278 tok/s/chip（每百万 token $0.49），GB300 NVL72 产出 1761（$0.36）。GB300 NVL72 每 token 成本低 35%；GB300 NVL72 每芯片吞吐量高出 38%。（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)	B300:2597.9GB300 NVL72:10515.5	B300:1754.8GB300 NVL72:7480.0	B300:1277.6GB300 NVL72:1761.2
Cost ($/M tok)	B300:$0.242GB300 NVL72:$0.061	B300:$0.358GB300 NVL72:$0.086	B300:$0.491GB300 NVL72:$0.364
tok/s/MW	B300:1367336GB300 NVL72:4960129	B300:923579GB300 NVL72:3528310	B300:672435GB300 NVL72:830752
Concurrency	B300:~20GB300 NVL72:~1010	B300:~9GB300 NVL72:~615	B300:~5GB300 NVL72:~81

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