GLM 5/5.1 — GB200 NVL72 vs GB300 NVL72
GB200 NVL72（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。
GLM 5/5.1 在 68 tok/s/user 交互性下的吞吐量：GB200 NVL72 为 6049 tok/s/GPU，GB300 NVL72 为 10154。每百万 token 成本分别为 $0.10 和 $0.07。GB300 NVL72 每 token 成本低 39%；GB300 NVL72 每 GPU 吞吐量高出 68%。
GB200 NVL72 / GB300 NVL72 在 GLM 5/5.1 上以 98 tok/s/user 运行：1772 / 5453 tok/s/GPU，$0.35 / $0.13 每百万 token。GB300 NVL72 每 token 成本低 158%；GB300 NVL72 每 GPU 吞吐量高出 208%。
在 40–156 tok/s/user 交互性区间的高端，即 GLM 5/5.1 上以 127 tok/s/user 运行时：GB200 NVL72 达到 963 tok/s/GPU（$0.63/百万 token），GB300 NVL72 达到 1242（$0.60/百万）。GB300 NVL72 每 token 成本低 6%；GB300 NVL72 每 GPU 吞吐量高出 29%。 （数据反映此 URL 的默认 8k/1k · fp4 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | GB200 NVL72:6049.3GB300 NVL72:10153.6 | GB200 NVL72:1772.3GB300 NVL72:5453.0 | GB200 NVL72:962.6GB300 NVL72:1242.2 |
| Cost ($/M tok) | GB200 NVL72:$0.101GB300 NVL72:$0.073 | GB200 NVL72:$0.346GB300 NVL72:$0.134 | GB200 NVL72:$0.635GB300 NVL72:$0.598 |
| tok/s/MW | GB200 NVL72:3234942GB300 NVL72:4789413 | GB200 NVL72:947766GB300 NVL72:2572156 | GB200 NVL72:514742GB300 NVL72:585949 |
| Concurrency | GB200 NVL72:~725GB300 NVL72:~726 | GB200 NVL72:~84GB300 NVL72:~395 | GB200 NVL72:~49GB300 NVL72:~41 |
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。