对比 GB200 NVL72（NVIDIA Blackwell）与 MI355X（AMD CDNA 4）在 DeepSeek V4.1 Flash 552B 上的 AI 推理基准测试结果，涵盖不同 LLM 工作负载下的延迟、吞吐量和成本。可通过下方图表控件切换序列长度、精度和指标，操作方式与主推理图表相同。
AgentX 回放真实的 coding agent 会话，而非定长 prompt。随着会话轮次增加，上下文不断增长；每个请求的大部分内容都可直接从 cache 读取，无需重新计算。因此，这项对比不仅取决于芯片本身的吞吐量，还会受到跨节点 KV 传输、prefix-aware routing 和 cache 容量等系统因素影响。定长序列工作负载仍是衡量 kernel 与芯片性能的清晰基线；两种场景从不同角度回答同一硬件的性能问题。 进一步了解 AgentX →
以 160 tok/s/user 为目标运行 DeepSeek V4.1 Flash 552B 时，GB200 NVL72 的吞吐量为 94237 tok/s/chip，每百万 token 成本为 $0.01；MI355X 的吞吐量为 85508 tok/s/chip，每百万 token 成本为 $0.00。MI355X 的成本效率高出 13%；GB200 NVL72 的单芯片吞吐量高出 10%。
279 tok/s/user 位于 43–515 tok/s/user 交互性区间的中段。在这一运行点，GB200 NVL72 运行 DeepSeek V4.1 Flash 552B 的吞吐量为 17037 tok/s/chip，每百万 token 成本为 $0.03；MI355X 的吞吐量为 40939 tok/s/chip，每百万 token 成本为 $0.01。MI355X 的成本效率高出 198%；MI355X 的单芯片吞吐量高出 140%。
将 DeepSeek V4.1 Flash 552B 的目标交互性设为 397 tok/s/user 时，GB200 NVL72 的吞吐量为 16012 tok/s/chip，每百万 token 成本为 $0.03；MI355X 的吞吐量为 20774 tok/s/chip，每百万 token 成本为 $0.02。MI355X 的成本效率高出 61%；MI355X 的单芯片吞吐量高出 30%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB200 NVL72:94237.2MI355X:85507.9 | GB200 NVL72:17036.6MI355X:40939.2 | GB200 NVL72:16012.5MI355X:20774.2 |
| 成本（$/M tok） | GB200 NVL72:$0.005MI355X:$0.005 | GB200 NVL72:$0.030MI355X:$0.010 | GB200 NVL72:$0.032MI355X:$0.020 |
| tok/s/MW | GB200 NVL72:50394205MI355X:40912857 | GB200 NVL72:9110465MI355X:19588150 | GB200 NVL72:8562823MI355X:9939822 |
| 并发数 | GB200 NVL72:~49MI355X:~32 | GB200 NVL72:~4MI355X:~11 | GB200 NVL72:~8MI355X:~4 |
不同模型、硬件配置和服务参数下，来自 AgentX 场景的智能体推理指标与固定序列推理指标。
当前选择没有可绘制的测量数据。请检查上方的基准测试设置，或调整快捷筛选。
