English(EN) vLLM on three GPUs: Qwen2.5-7B tokens per second and cost per 1M tokens on RTX A6000, L40S and H100

Qwen2.5-7B-Instruct 在 NVIDIA GPU 上的性能基准测试

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-26 09:05

使用 vLLM 框架，对 Qwen2.5-7B-Instruct 模型在三款 NVIDIA GPU（RTX A6000、L40S 和 H100）上的性能进行了分析。研究重点关注每秒 token 数和每百万 token 的生成成本。结果表明，虽然 L40S 在单流解码方面的性能与 RTX A6000 相似，但 A6000 的成本效益更高。H100 在延迟方面表现出色，在高并发下提供显著更高的吞吐量和更快的首次 token 时间，尽管成本较高，但适用于聊天应用。 AI

影响提供自托管 LLM 的成本和性能数据，辅助基础设施决策。

排序理由模型在硬件上性能的基准测试研究。

在 dev.to — LLM tag 阅读 →

基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

Qwen2.5-7B-Instruct 在 NVIDIA GPU 上的性能基准测试

本文如何被排名

Signal score: 32 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 模型在硬件上性能的基准测试研究。
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

dev.to — LLM tag TIER_1 English(EN) · Runcrate · 2026-10-26 09:05

vLLM 在三块 GPU 上：RTX A6000、L40S 和 H100 的 Qwen2.5-7B 每秒 token 数及每 100 万 token 成本

<p>I wanted one number before picking a GPU for a small self-hosted model: what does a million generated tokens cost on each card, once the server is actually busy? Spec sheets don't answer that, so I rented three single-GPU machines on Runcrate this morning (2026-10-26), ran the…

本文如何被排名

报道来源 [1]

vLLM 在三块 GPU 上：RTX A6000、L40S 和 H100 的 Qwen2.5-7B 每秒 token 数及每 100 万 token 成本

相关实体

相关话题