BTC
ETH
USDT
XMR
LTC
B200 vs B300：该租哪一款。
适合 B200 的场景
- 您的模型和上下文能放进单块 GPU 的 180 GB 显存（8 块 GPU 的服务器共 1.4 TB）。
- 您需要 FP64：B200 为 37 TFLOPS，B300 仅为 1.25 TFLOPS。
- 您想要更低的月租价格：每块 GPU $3,439 对比 $4,019。
适合 B300 的场景
- 您需要单块 GPU 288 GB 显存：8 块 GPU 的服务器共 2.3 TB，可运行最大的开源模型并处理长上下文。
- 您需要运行 FP4 推理：单块 GPU 密集吞吐量为 13.5 PFLOPS，对比 9 PFLOPS。
- 您想要每 GB HBM 显存的最低价格：每月 $13.95 对比 $19.11。
B200 vs B300：规格并列对比。
数据均引自 NVIDIA 公布的官方规格（按单 GPU 计），张量数据均为密集峰值吞吐量。
| 每块 GPU | NVIDIA B200 | NVIDIA B300 | B300 / B200 |
|---|---|---|---|
| 架构 | Blackwell, TSMC 4NP | Blackwell Ultra, TSMC 4NP | — |
| 外形规格 | SXM 模组（HGX B200） | SXM 模组（HGX B300） | — |
| 显存 | 180 GB HBM3e | 288 GB HBM3E | 1.6× |
| 显存带宽 | 最高 8 TB/s | 最高 8 TB/s | 相同 |
| GPU 间互联 | NVLink 5，每块 GPU 1.8 TB/s | NVLink 5，每块 GPU 1.8 TB/s | 相同 |
| FP4 张量吞吐量（密集） | 9.0 PFLOPS | 13.5 PFLOPS | 1.5× |
| FP8 张量吞吐量（密集） | 4,500 TFLOPS | 4,500 TFLOPS | 相同 |
| FP16 / BF16 张量吞吐量（密集） | 2,250 TFLOPS | 2,250 TFLOPS | 相同 |
| FP64 | 37 TFLOPS | 1.25 TFLOPS | 0.03× |
| 最大功耗 | 最高 1,000 W，可配置 | 未公布 | — |
| 每台服务器的 GPU 数量 | 1, 2, 4, 8 | 1, 2, 4, 8 | — |
| 每块 GPU 配套资源 | 28 vCPU · 288 GB RAM · 3.84 TB | 32 vCPU · 384 GB RAM · 3.84 TB | — |
来源： NVIDIA HGX · NVIDIA DGX B200 · NVIDIA HGX · Blackwell Ultra 技术博客. 完整规格表： B200 · B300
B200 vs B300：租用价格。
在 CryptGPU，B200 每块 GPU 的月租价格为 $3,439，B300 为 $4,019，均比公开按需价格的市场中位价低 30%，支持加密货币支付，无需 KYC。按小时价格为月租价格除以 730 小时所得。
| CryptGPU | NVIDIA B200 | NVIDIA B300 | B300 / B200 |
|---|---|---|---|
| 每块 GPU 月租价格 | $3,439 | $4,019 | 1.17× |
| 等效每 GPU 小时价格 | $4.71 | $5.51 | — |
| 每 GB 显存月租价格 | $19.11 | $13.95 | 0.73× |
| 每 PFLOPS 密集 FP8 月租价格 | $764 | $893 | 1.17× |
| 最大服务器 | 8× · $27,512/月 | 8× · $32,152/月 | — |
| 市场中位价（每块 GPU） | $4,920 | $5,745 | — |
| 低于中位价 | −30% | −30% | — |
无论服务器规模大小，每块 GPU 价格相同，不按小时计费。 我们如何比较价格 · 配置 B200 服务器 · 配置 B300 服务器
各款 GPU 能装下哪些模型。
按精度列出可容纳各模型的最小服务器规格；经验法则已为 KV 缓存预留余量，按 GPU 显存的 92% 可用计算。
| 模型 （总参数量） | B200 · FP8 | B300 · FP8 | B200 · 4 位 | B300 · 4 位 |
|---|---|---|---|---|
| Qwen3.5-9B | 1× | 1× | 1× | 1× |
| Gemma 4 31B | 1× | 1× | 1× | 1× |
| Llama 3.3 70B | 1× | 1× | 1× | 1× |
| gpt-oss-120b | 1× | 1× | 1× | 1× |
| DeepSeek-V4-Flash | 4× | 2× | 2× | 1× |
| Qwen3.5-397B-A17B | 4× | 2× | 2× | 1× |
| DeepSeek-R1 (671B) | 8× | 4× | 4× | 2× |
| Kimi K2.6 (1T) | 8× | 8× | 4× | 4× |
FP8 ≈ 1.2 字节/参数，4-bit ≈ 0.65 字节/参数。— 表示超出该 GPU 最大服务器规格。为其他模型选型 · LLM 需要多少显存？
B200 vs B300 常见问题。
详细了解各款 GPU：NVIDIA B200 · NVIDIA B300。
B300 比 B200 更快吗？
在 FP4 方面，其密集吞吐量为 1.5 倍。NVIDIA 公布的密集 FP8、BF16 算力以及 8 TB/s 带宽两者相同，因此 B300 的优势主要来自更大的显存和 FP4 性能。
FP64 仿真该选哪一款？
B200。Blackwell Ultra 舍弃了大部分 FP64 硬件：1.25 TFLOPS，而 B200 为 37 TFLOPS。如需高强度 FP64，请考虑 AMD MI355X 或 H200。
8× B300 服务器能装下什么模型？
2,304 GB 显存：按我们的经验法则，一台服务器就能容纳 BF16 精度的 671B 模型，或 FP8 精度的 1T 参数模型。