DeepSeekv4 Pro 0813 1.6T — GB300 NVL72 vs MI355X
GB300 NVL72（NVIDIA Blackwell）与 MI355X（AMD CDNA 4）在 DeepSeekv4 Pro 0813 1.6T 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 →
GB300 NVL72 / MI355X 在 DeepSeekv4 Pro 0813 1.6T 上以 53 tok/s/user 运行：108101 / 9835 tok/s/chip，$0.01 / $0.04 每百万 token。GB300 NVL72 每 token 成本低 614%；GB300 NVL72 每芯片吞吐量高出 999%。
在 30–121 tok/s/user 交互性区间的中部，即 DeepSeekv4 Pro 0813 1.6T 上以 76 tok/s/user 运行时：GB300 NVL72 达到 59078 tok/s/chip（$0.01/百万 token），MI355X 达到 7848（$0.05/百万）。GB300 NVL72 每 token 成本低 389%；GB300 NVL72 每芯片吞吐量高出 653%。
以 99 tok/s/user 为目标在 DeepSeekv4 Pro 0813 1.6T 上运行时，GB300 NVL72 产出 41215 tok/s/chip（每百万 token $0.02），MI355X 产出 3079（$0.14）。GB300 NVL72 每 token 成本低 769%；GB300 NVL72 每芯片吞吐量高出 1238%。 （数据反映此 URL 的默认 agentic-traces · fp4 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | GB300 NVL72:108100.6MI355X:9835.0 | GB300 NVL72:59077.8MI355X:7847.9 | GB300 NVL72:41215.0MI355X:3079.3 |
| Cost ($/M tok) | GB300 NVL72:$0.006MI355X:$0.042 | GB300 NVL72:$0.011MI355X:$0.053 | GB300 NVL72:$0.016MI355X:$0.135 |
| tok/s/MW | GB300 NVL72:50990856MI355X:4705719 | GB300 NVL72:27866889MI355X:3754979 | GB300 NVL72:19441015MI355X:1473356 |
| Concurrency | GB300 NVL72:~1080MI355X:~13 | GB300 NVL72:~709MI355X:~6 | GB300 NVL72:~414MI355X:~2 |
每 1 美元可购买的总 token 数（自有 - Neocloud Giant） vs. 交互性
DeepSeek V4 Pro 0813 1.6T • FP4 • 8K / 1K • 来源：SemiAnalysis InferenceX™
DeepSeek V4 Pro 0813 1.6T • 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。