gpt-oss 120B · 芯片对比

gpt-oss 120B — GB200 NVL72 vs H200

GB200 NVL72（NVIDIA Blackwell）与 H200（NVIDIA Hopper）在 gpt-oss 120B 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。

以 115 tok/s/user 为目标在 gpt-oss 120B 上运行时，GB200 NVL72 产出 42256 tok/s/chip（每百万 token $0.01），H200 产出 5691（$0.06）。GB200 NVL72 每 token 成本低 387%；GB200 NVL72 每芯片吞吐量高出 642%。

在 gpt-oss 120B 上以 162 tok/s/user 交互性运行时，GB200 NVL72 吞吐量为 32452 tok/s/chip，每百万 token 成本 $0.02；H200 吞吐量为 4014 tok/s/chip，成本 $0.08。GB200 NVL72 每 token 成本低 430%；GB200 NVL72 每芯片吞吐量高出 708%。

GB200 NVL72 在 gpt-oss 120B 上以 209 tok/s/user 运行时达到 25143 tok/s/chip（每百万 token $0.02）；H200 达到 2541 tok/s/chip（$0.13）。GB200 NVL72 每 token 成本低 549%；GB200 NVL72 每芯片吞吐量高出 889%。（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)	GB200 NVL72:42255.8H200:5691.4	GB200 NVL72:32452.2H200:4014.4	GB200 NVL72:25143.3H200:2541.4
Cost ($/M tok)	GB200 NVL72:$0.012H200:$0.060	GB200 NVL72:$0.016H200:$0.084	GB200 NVL72:$0.021H200:$0.133
tok/s/MW	GB200 NVL72:22596704H200:4154336	GB200 NVL72:17354104H200:2930201	GB200 NVL72:13445593H200:1855043
Concurrency	GB200 NVL72:~393H200:~16	GB200 NVL72:~253H200:~13	GB200 NVL72:~84H200:~5

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

gpt-oss 120B • 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