Qwen 3.5 397B-A17B — H200 vs RTX PRO 6000
H200（NVIDIA Hopper）与 RTX PRO 6000（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 →
H200：8013 tok/s/chip，每百万 token $0.04（Qwen 3.5 397B-A17B 上以 99 tok/s/user 运行）。RTX PRO 6000 在此点尚未测试。
在 Qwen 3.5 397B-A17B 上以 146 tok/s/user 运行时，H200 吞吐量为 5351 tok/s/chip，每百万 token 成本 $0.06；RTX PRO 6000 在此目标点没有基准测试数据。
H200 在 Qwen 3.5 397B-A17B 上以 193 tok/s/user 运行时达到 2584 tok/s/chip（每百万 token $0.13）。RTX PRO 6000 在此工作点没有数据。 （数据反映此 URL 的默认 agentic-traces · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | H200:8012.9RTX PRO 6000:— | H200:5350.5RTX PRO 6000:— | H200:2584.4RTX PRO 6000:— |
| Cost ($/M tok) | H200:$0.042RTX PRO 6000:— | H200:$0.063RTX PRO 6000:— | H200:$0.131RTX PRO 6000:— |
| tok/s/MW | H200:5848806RTX PRO 6000:— | H200:3905478RTX PRO 6000:— | H200:1886394RTX PRO 6000:— |
| Concurrency | H200:~13RTX PRO 6000:— | H200:~9RTX PRO 6000:— | H200:~4RTX PRO 6000:— |
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™
Qwen3.5 397B • FP4 • 8K / 1K • 来源：SemiAnalysis InferenceX™TCO $/chip/hr： VR200: 3.61H100: 1.55H200: 1.59B200: 2.07B300: 2.52GB200: 2.26GB300: 2.79MI300X: 1.16MI325X: 1.32MI355X: 2.09RTX6000PRO: 0.75Jalapeño (Teacup): 1.56
来源： SemiAnalysis Market July 2026 Pricing Surveys & AI Cloud TCO Model
注意：分离式推理配置（如 MoRI SGLang、Dynamo TRTLLM）按解码芯片或预填充 芯片计算每百万 token 成本，而非按芯片总数计算。因此，与聚合配置进行token 成本的直接对比并不完全等价。
注意：分离式推理配置（如 MoRI SGLang、Dynamo TRTLLM）按解码芯片或预填充 芯片计算输入吞吐量，而非按芯片总数计算。因此，与聚合配置进行输入吞吐量的直接对比并不完全等价。
注意：分离式推理配置（如 MoRI SGLang、Dynamo TRTLLM）按解码芯片或预填充 芯片计算输出吞吐量，而非按芯片总数计算。因此，与聚合配置进行输出吞吐量的直接对比并不完全等价。
注意：分离式推理配置（如 MoRI SGLang、Dynamo TRTLLM）按解码芯片或预填充 芯片计算功耗，而非按芯片总数计算。因此，与聚合配置进行功耗的直接对比并不完全等价。
注意：分离式推理配置（如 MoRI SGLang、Dynamo TRTLLM）按解码芯片或预填充 芯片计算能耗，而非按芯片总数计算。因此，与聚合配置进行每 token 能耗的直接对比并不完全等价。
No data available
Please change the model, sequence, precision, date range or chip selection.
Shift+Scroll to zoom • Drag to pan • Double-click to reset • Click a point to pin tooltip
交互性（interactivity）指模型流式输出回答时，单个用户接收生成 token 的速率——即新内容出现在屏幕上的快慢。数值越高体验越流畅；运营方需要在交互性与批量吞吐量之间权衡。
1 美元基础设施开支能换来多少总 token（输入 + 输出），按Neocloud Giant 自有硬件的每小时全包成本计价。它是单 token 成本的倒数，数值越高越便宜。
计算公式: tok/$ =（总 tok/s/chip × 3,600）÷ 每芯片小时全包成本（$）