Qwen 3.5 397B-A17B — GB200 NVL72 vs GB300 NVL72
GB200 NVL72（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。
Qwen 3.5 397B-A17B 在 67 tok/s/user 交互性下的吞吐量：GB200 NVL72 为 1119 tok/s/GPU，GB300 NVL72 为 1427。每百万 token 成本分别为 $0.56 和 $0.53。GB300 NVL72 每 token 成本低 6%；GB300 NVL72 每 GPU 吞吐量高出 28%。
GB200 NVL72 / GB300 NVL72 在 Qwen 3.5 397B-A17B 上以 103 tok/s/user 运行：448 / 569 tok/s/GPU，$1.35 / $1.27 每百万 token。GB300 NVL72 每 token 成本低 7%；GB300 NVL72 每 GPU 吞吐量高出 27%。
在 32–173 tok/s/user 交互性区间的高端，即 Qwen 3.5 397B-A17B 上以 138 tok/s/user 运行时：GB200 NVL72 达到 201 tok/s/GPU（$3.06/百万 token），GB300 NVL72 达到 323（$2.27/百万）。GB300 NVL72 每 token 成本低 35%；GB300 NVL72 每 GPU 吞吐量高出 61%。 （数据反映此 URL 的默认 1k/1k · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | GB200 NVL72:1118.6GB300 NVL72:1426.7 | GB200 NVL72:447.7GB300 NVL72:568.8 | GB200 NVL72:200.6GB300 NVL72:323.0 |
| Cost ($/M tok) | GB200 NVL72:$0.557GB300 NVL72:$0.526 | GB200 NVL72:$1.350GB300 NVL72:$1.267 | GB200 NVL72:$3.057GB300 NVL72:$2.268 |
| tok/s/MW | GB200 NVL72:598208GB300 NVL72:672979 | GB200 NVL72:239399GB300 NVL72:268281 | GB200 NVL72:107251GB300 NVL72:152342 |
| Concurrency | GB200 NVL72:~79GB300 NVL72:~147 | GB200 NVL72:~19GB300 NVL72:~24 | GB200 NVL72:~6GB300 NVL72:~10 |
推理性能
不同模型、硬件配置和服务参数下的推理性能指标。