Qwen 3.5 397B-A17B · 芯片对比

Qwen 3.5 397B-A17B — B300 vs GB300 NVL72

B300（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 →

B300 / GB300 NVL72 在 Qwen 3.5 397B-A17B 上以 113 tok/s/user 运行：63091 / 150385 tok/s/chip，$0.01 / $0.00 每百万 token。GB300 NVL72 每 token 成本低 133%；GB300 NVL72 每芯片吞吐量高出 138%。

在 24–378 tok/s/user 交互性区间的中部，即 Qwen 3.5 397B-A17B 上以 201 tok/s/user 运行时：B300 达到 33398 tok/s/chip（$0.02/百万 token），GB300 NVL72 达到 115865（$0.01/百万）。GB300 NVL72 每 token 成本低 239%；GB300 NVL72 每芯片吞吐量高出 247%。

以 290 tok/s/user 为目标在 Qwen 3.5 397B-A17B 上运行时，B300 产出 12164 tok/s/chip（每百万 token $0.05），GB300 NVL72 产出 75559（$0.01）。GB300 NVL72 每 token 成本低 508%；GB300 NVL72 每芯片吞吐量高出 521%。（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)	B300:63091.0GB300 NVL72:150384.7	B300:33398.3GB300 NVL72:115864.9	B300:12164.5GB300 NVL72:75558.6
Cost ($/M tok)	B300:$0.010GB300 NVL72:$0.004	B300:$0.019GB300 NVL72:$0.006	B300:$0.052GB300 NVL72:$0.008
tok/s/MW	B300:33205805GB300 NVL72:70936182	B300:17578057GB300 NVL72:54653249	B300:6402346GB300 NVL72:35640866
Concurrency	B300:~21GB300 NVL72:~704	B300:~23GB300 NVL72:~633	B300:~4GB300 NVL72:~218

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