Let's take a drive.

H100は旧世代に見えるかもしれませんが、2026年でも最も広く使われているデータセンターGPUです[1]。ai、hacker、flashの話題に慣れた読者には、ローカル実行の話が足りないかもしれません。それでも、H100は現役の主役です。

まず形が違います。H100 SXM5はNVLinkでGPU間を900GB/sで接続します。8-GPUセットでは、GPT-3規模の学習を約87%の線形スケーリング効率で進められます[1]。一方、PCIe版は同じチップでも消費電力が350Wと低く、メモリ帯域は2,000GB/s、FP16は約756TFLOPSに下がります[1]。GPU間の通信もPCIeの64GB/sになるため、分散学習では通信が詰まりやすいです[1]。

速さの中心はTransformer Engineで、Transformerの計算を速くする仕組みです。FP8という8ビットの浮動小数点を使い、BF16という精度と比べて1.5〜2倍のスループットが出るとされています[1]。NVIDIA公式も、GPT-3 175Bの学習で前世代比4倍、LLMの推論で最大30倍を掲げます[2]。推論エンジンの性能は、メモリ帯域とGPU間通信に大きく左右されます。

比較対象も増えました。H100は80GBまたは94GBのメモリを持ちます。SXM版では、最大3,958TFLOPSのFP8性能と700WのTDP（消費電力の目安）が示されています[3]。H200は同じHopperの計算エンジンを使い、メモリを141GBのHBM3eに増やし、帯域を4.8TB/sに高めます[3]。メモリ不足になりやすいLLM推論では、H200が選ばれやすいようです[3]。

Blackwell世代は一段違います。B200は180GBのHBM3eと約8TB/sの帯域を持ちます。2080億トランジスタのデュアルダイで、FP4という低精度なら20 petaFLOPSを掲げます[3]。GB200 NVL72は36個のGrace CPUと72個のBlackwell GPUを1つのNVLinkドメインに束ねます。13.4TBのHBM3eと576TB/sの帯域を出します[3]。Blackwellは生成AIと加速計算の次の章を担うとされています[4]。MLPerfのバージョン5.0では、Hopper比でGPUあたり最大2.6倍、Llama 3.1 405Bの事前学習で2.2倍の高速化が報告されています[3]。

価格も分岐します。CoreWeaveでは、8-GPUのHGX H100ノードが1時間あたり49.24ドル、GPUあたり約6.16ドルです[3]。HGX H200ノードは1時間あたり50.44ドル、HGX B200ノードは1時間あたり68.80ドル、GPUあたり約8.60ドルと示されています[3]。GB200 NVL72は1GPU時間あたり42.00ドルです[3]。CoreWeaveの価格表は、H100とB200の差を示しています。Lambdaでは、B200が8.87〜9.86ドル、H100が5.54〜6.16ドルの幅で並びます[3]。

検索結果にも、H100の仕様やベンチマーク、H100とA100やL40Sの比較、CoreWeaveの大規模学習テストが並びます[5]。つまり、話題は「Blackwellが速い」だけでは終わっていません。H100をどう使い、いつH200やB200へ移すかという運用の話になっています[1][3]。

hackerやflashの話題とは離れますが、aiの推論では待ち時間とコストが重要です。H100は万能ではありません。PCIeは分散学習で不利、B200やGB200は高性能ですが価格が上がります[1][3]。それでも、2026年のNVIDIA選びは、新しいGPUへの単純な乗り換えではなく、推論か学習か、メモリか帯域か、クラウド価格かで見極める段階になりました。

引用ソース

1. Web記事 記事全文: NVIDIA H100 Complete Guide: Specs, Benchmarks, and Real-World … — https://gpuadvisor.com/blog/nvidia-h100-complete-guide-2026
   

   NVIDIA H100 Complete Guide: Specs, Benchmarks, and Real-World Performance (2026)
   Everything you need to know about the NVIDIA H100 GPU in 2026. Detailed specs for SXM5 and PCIe variants, real training and inference bench

2. Web記事 記事全文: H100 Gpu | Nvidia — https://www.nvidia.com/en-us/data-center/h100/
   

   NVIDIA H100 GPU
   Extraordinary performance, scalability, and security for every data center.
   An Order-of-Magnitude Leap for Accelerated Computing
   The NVIDIA H100 GPU delivers exceptional performance, scalability, and secu

3. Web記事 記事全文: NVIDIA Data Center GPU Comparison: H100 vs B200 vs A100 — https://gpusmith.com/articles/en/nvidia-data-center-gpu-comparison
   

   Executive Summary
   NVIDIA’s data center GPU lineup spans four active generations as of July 2026: the Ampere-based A100, the Hopper-based H100 and H200, and the Blackwell-based B200 and rack-scale GB200 NVL72, with the Bl

4. Web記事 記事全文: [en_us] Blackwell Architecture – resources.nvidia.com — https://resources.nvidia.com/l/en-us-blackwell-architecture
   

   The NVIDIA Blackwell architecture introduces groundbreaking advancements for generative AI and accelerated computing. Blackwell’s multiple advancements build upon generations of accelerated computing technologies to defi

5. Web記事 Web検索: NVIDIA Hopper GPU for AI: H100 Performance Benchmarks and Pricing — https://io.net/p/nvidia-hopper-gpu-for-ai-h100-performance-benchmarks-and-pricing
   

   NVIDIA Hopper GPU for AI: H100 Performance Benchmarks and Pricing

6. Web記事 Web検索: NVIDIA GPU benchmark: H100 vs A100 vs L40S – cudocompute.com — https://www.cudocompute.com/blog/real-world-gpu-benchmarks
   

   NVIDIA GPU benchmark: H100 vs A100 vs L40S – cudocompute.com

7. Web記事 Web検索: NVIDIA H100 Benchmarks for Large-Scale Training | CoreWeave — https://www.coreweave.com/blog/nvidia-h100-gpu-benchmark-results-what-we-learned-from-large-scale-gpu-testing
   

   NVIDIA H100 Benchmarks for Large-Scale Training | CoreWeave

※ 本記事はAIにより、Reddit・Hacker News・5ch・Xトレンドの公開投稿・トレンドを軸に、その話題をWeb検索で深掘りして集めた一次情報(記事全文・HNコメント)を併せて自動生成されました。本文中の[n]は末尾の引用ソース番号です。内容の正確性は保証されません。引用先を必ずご確認ください。

• Tweet