DeepSeek R1 — H100 vs MI355X
H100（NVIDIA Hopper）与 MI355X（AMD CDNA 4）在 DeepSeek R1 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 20–122 tok/s/user 交互性区间的低端，即 DeepSeek R1 上以 45 tok/s/user 运行时：H100 达到 739 tok/s/chip（$0.44/百万 token），MI355X 达到 2188（$0.19/百万）。MI355X 每 token 成本低 131%；MI355X 每芯片吞吐量高出 196%。
以 71 tok/s/user 为目标在 DeepSeek R1 上运行时，H100 产出 281 tok/s/chip（每百万 token $1.16），MI355X 产出 1578（$0.26）。MI355X 每 token 成本低 338%；MI355X 每芯片吞吐量高出 462%。
在 DeepSeek R1 上以 97 tok/s/user 交互性运行时，H100 吞吐量为 154 tok/s/chip，每百万 token 成本 $2.11；MI355X 吞吐量为 1107 tok/s/chip，成本 $0.38。MI355X 每 token 成本低 459%；MI355X 每芯片吞吐量高出 617%。 （数据反映此 URL 的默认 8k/1k · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | H100:739.5MI355X:2188.4 | H100:280.6MI355X:1577.7 | H100:154.3MI355X:1106.8 |
| Cost ($/M tok) | H100:$0.439MI355X:$0.190 | H100:$1.158MI355X:$0.264 | H100:$2.106MI355X:$0.376 |
| tok/s/MW | H100:539778MI355X:1047080 | H100:204852MI355X:754860 | H100:112644MI355X:529571 |
| Concurrency | H100:~132MI355X:~40 | H100:~41MI355X:~66 | H100:~17MI355X:~134 |
每 1 美元可购买的总 token 数（自有 - Neocloud Giant） vs. 交互性
DeepSeek R1 0528 671B • FP4 • 8K / 1K • 来源：SemiAnalysis InferenceX™
DeepSeek R1 0528 671B • 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（$）
1 ATOM 引擎前景可期，但尚未用于生产环境 token 服务，仍处于早期阶段。