GLM 5/5.1 · 芯片对比

GLM 5/5.1 — GB300 NVL72 vs MI355X

GB300 NVL72（NVIDIA Blackwell）与 MI355X（AMD CDNA 4）在 GLM 5/5.1 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。

以 36 tok/s/user 为目标在 GLM 5/5.1 上运行时，GB300 NVL72 产出 12331 tok/s/chip（每百万 token $0.05），MI355X 产出 1218（$0.34）。GB300 NVL72 每 token 成本低 557%；GB300 NVL72 每芯片吞吐量高出 912%。

在 GLM 5/5.1 上以 43 tok/s/user 交互性运行时，GB300 NVL72 吞吐量为 12059 tok/s/chip，每百万 token 成本 $0.05；MI355X 吞吐量为 949 tok/s/chip，成本 $0.44。GB300 NVL72 每 token 成本低 725%；GB300 NVL72 每芯片吞吐量高出 1171%。

GB300 NVL72 在 GLM 5/5.1 上以 50 tok/s/user 运行时达到 11271 tok/s/chip（每百万 token $0.06）；MI355X 达到 670 tok/s/chip（$0.62）。GB300 NVL72 每 token 成本低 992%；GB300 NVL72 每芯片吞吐量高出 1582%。（数据反映此 URL 的默认 8k/1k · 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。）

查看每美元性能对比 →

Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.

Metric	Interactivity (tok/s/user)	Interactivity (tok/s/user)	Interactivity (tok/s/user)
Throughput (tok/s/chip)	GB300 NVL72:12331.4MI355X:1218.0	GB300 NVL72:12059.4MI355X:948.6	GB300 NVL72:11270.6MI355X:670.1
Cost ($/M tok)	GB300 NVL72:$0.052MI355X:$0.342	GB300 NVL72:$0.053MI355X:$0.439	GB300 NVL72:$0.057MI355X:$0.622
tok/s/MW	GB300 NVL72:5816715MI355X:582775	GB300 NVL72:5688417MI355X:453886	GB300 NVL72:5316301MI355X:320643
Concurrency	GB300 NVL72:~2253MI355X:~8	GB300 NVL72:~2052MI355X:~8	GB300 NVL72:~1492MI355X:~7

推理性能

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。

模型

场景

Y 轴指标

芯片配置

每 1 美元可购买的总 token 数（自有 - Neocloud Giant） vs. 交互性

GLM5/5.1 744B • 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

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。