gpt-oss 120B · 芯片对比

gpt-oss 120B — H100 vs H200

H100（NVIDIA Hopper）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。

gpt-oss 120B 在 90 tok/s/user 交互性下的吞吐量：H100 为 6362 tok/s/chip，H200 为 6798。每百万 token 成本分别为 $0.05 和 $0.05。H200 每 token 成本低 2%；H200 每芯片吞吐量高出 7%。

H100 / H200 在 gpt-oss 120B 上以 143 tok/s/user 运行：4148 / 4618 tok/s/chip，$0.08 / $0.07 每百万 token。H200 每 token 成本低 7%；H200 每芯片吞吐量高出 11%。

在 37–250 tok/s/user 交互性区间的高端，即 gpt-oss 120B 上以 197 tok/s/user 运行时：H100 达到 2636 tok/s/chip（$0.12/百万 token），H200 达到 2945（$0.12/百万）。H200 每 token 成本低 7%；H200 每芯片吞吐量高出 12%。（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)	H100:6361.9H200:6797.8	H100:4147.7H200:4618.1	H100:2636.0H200:2945.5
Cost ($/M tok)	H100:$0.051H200:$0.050	H100:$0.078H200:$0.073	H100:$0.123H200:$0.115
tok/s/MW	H100:4643748H200:4961923	H100:3027501H200:3370852	H100:1924056H200:2149964
Concurrency	H100:~32H200:~19	H100:~13H200:~16	H100:~6H200:~7

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