Qwen 3.5 397B-A17B — GB300 NVL72 vs H200
GB300 NVL72（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。
在 32–182 tok/s/user 交互性区间的低端，即 Qwen 3.5 397B-A17B 上以 69 tok/s/user 运行时：GB300 NVL72 达到 1334 tok/s/GPU（$0.56/百万 token），H200 达到 485（$0.81/百万）。GB300 NVL72 每 token 成本低 43%；GB300 NVL72 每 GPU 吞吐量高出 175%。
以 107 tok/s/user 为目标在 Qwen 3.5 397B-A17B 上运行时，GB300 NVL72 产出 533 tok/s/GPU（每百万 token $1.35），H200 产出 349（$1.11）。H200 每 token 成本低 22%；GB300 NVL72 每 GPU 吞吐量高出 53%。
在 Qwen 3.5 397B-A17B 上以 145 tok/s/user 交互性运行时，GB300 NVL72 吞吐量为 286 tok/s/GPU，每百万 token 成本 $2.57；H200 吞吐量为 282 tok/s/GPU，成本 $1.39。H200 每 token 成本低 85%；GB300 NVL72 每 GPU 吞吐量高出 2%。 （数据反映此 URL 的默认 1k/1k · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | GB300 NVL72:1333.9H200:485.3 | GB300 NVL72:533.4H200:348.8 | GB300 NVL72:286.3H200:282.0 |
| Cost ($/M tok) | GB300 NVL72:$0.563H200:$0.807 | GB300 NVL72:$1.351H200:$1.108 | GB300 NVL72:$2.568H200:$1.387 |
| tok/s/MW | GB300 NVL72:629190H200:354252 | GB300 NVL72:251625H200:254569 | GB300 NVL72:135068H200:205835 |
| Concurrency | GB300 NVL72:~113H200:~28 | GB300 NVL72:~21H200:~13 | GB300 NVL72:~9H200:~8 |
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。