InferenceX
EN
Qwen 3.5 397B-A17B · 芯片对比

Qwen 3.5 397B-A17B — B200 vs GB300 NVL72

B200（NVIDIA Blackwell）与 GB300 NVL72（NVIDIA Blackwell）在 Qwen 3.5 397B-A17B 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。

AgentX 回放真实的编码 agent 会话，而不是固定长度的 prompt，因此上下文随轮次不断增长，每个请求的大部分内容由 cache 提供而无需重新计算。这让对比变成一个系统问题：跨节点的 KV 传输、prefix 感知路由与 cache 容量，都会与芯片原始吞吐量一同影响曲线。固定序列负载仍然是衡量 kernel 与芯片性能的干净基线，因此两种场景回答的是关于同一硬件的不同问题。 进一步了解 AgentX →

Qwen 3.5 397B-A17B 在 115 tok/s/user 交互性下的吞吐量：B200 为 63058 tok/s/chip，GB300 NVL72 为 150385。每百万 token 成本分别为 $0.01 和 $0.00。GB300 NVL72 每 token 成本低 79%；GB300 NVL72 每芯片吞吐量高出 138%。

B200 / GB300 NVL72 在 Qwen 3.5 397B-A17B 上以 207 tok/s/user 运行：33060 / 113277 tok/s/chip，$0.01 / $0.01 每百万 token。GB300 NVL72 每 token 成本低 157%；GB300 NVL72 每芯片吞吐量高出 243%。

在 24–390 tok/s/user 交互性区间的高端，即 Qwen 3.5 397B-A17B 上以 299 tok/s/user 运行时：B200 达到 14238 tok/s/chip（$0.03/百万 token），GB300 NVL72 达到 71448（$0.01/百万）。GB300 NVL72 每 token 成本低 276%；GB300 NVL72 每芯片吞吐量高出 402%。 （数据反映此 URL 的默认 agentic-traces · 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)
B200:63057.8GB300 NVL72:150384.7
B200:33059.8GB300 NVL72:113277.0
B200:14237.7GB300 NVL72:71448.5
Cost ($/M tok)
B200:$0.008GB300 NVL72:$0.004
B200:$0.015GB300 NVL72:$0.006
B200:$0.034GB300 NVL72:$0.009
tok/s/MW
B200:36875891GB300 NVL72:70936182
B200:19333243GB300 NVL72:53432559
B200:8326124GB300 NVL72:33702111
Concurrency
B200:~24GB300 NVL72:~704
B200:~24GB300 NVL72:~624
B200:~10GB300 NVL72:~153

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。

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

Qwen3.5 397B • 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