Qwen 3.5 397B-A17B · 芯片对比

Qwen 3.5 397B-A17B — B200 vs H200

B200（NVIDIA Blackwell）与 H200（NVIDIA Hopper）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 →

B200 在 Qwen 3.5 397B-A17B 上以 99 tok/s/user 运行时达到 35273 tok/s/chip（每百万 token $0.01）；H200 达到 8013 tok/s/chip（$0.04）。B200 每 token 成本低 210%；B200 每芯片吞吐量高出 340%。

Qwen 3.5 397B-A17B 在 146 tok/s/user 交互性下的吞吐量：B200 为 29379 tok/s/chip，H200 为 5351。每百万 token 成本分别为 $0.02 和 $0.06。B200 每 token 成本低 287%；B200 每芯片吞吐量高出 449%。

B200 / H200 在 Qwen 3.5 397B-A17B 上以 193 tok/s/user 运行：16977 / 2584 tok/s/chip，$0.03 / $0.13 每百万 token。B200 每 token 成本低 363%；B200 每芯片吞吐量高出 557%。（数据反映此 URL 的默认 agentic-traces · fp8 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)	B200:35273.0H200:8012.9	B200:29379.1H200:5350.5	B200:16976.5H200:2584.4
Cost ($/M tok)	B200:$0.014H200:$0.042	B200:$0.016H200:$0.063	B200:$0.028H200:$0.131
tok/s/MW	B200:20627461H200:5848806	B200:17180772H200:3905478	B200:9927784H200:1886394
Concurrency	B200:~27H200:~13	B200:~21H200:~9	B200:~14H200:~4

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

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