gpt-oss 120B · 芯片对比

gpt-oss 120B — B200 vs MI355X

B200（NVIDIA Blackwell）与 MI355X（AMD CDNA 4）在 gpt-oss 120B 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。

gpt-oss 120B 在 104 tok/s/user 交互性下的吞吐量：B200 为 32860 tok/s/chip，MI355X 为 23358。每百万 token 成本分别为 $0.01 和 $0.02。B200 每 token 成本低 22%；B200 每芯片吞吐量高出 41%。

B200 / MI355X 在 gpt-oss 120B 上以 171 tok/s/user 运行：20448 / 13182 tok/s/chip，$0.02 / $0.03 每百万 token。B200 每 token 成本低 35%；B200 每芯片吞吐量高出 55%。

在 38–305 tok/s/user 交互性区间的高端，即 gpt-oss 120B 上以 238 tok/s/user 运行时：B200 达到 13725 tok/s/chip（$0.04/百万 token），MI355X 达到 3911（$0.11/百万）。B200 每 token 成本低 204%；B200 每芯片吞吐量高出 251%。（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)	B200:32859.9MI355X:23358.2	B200:20448.4MI355X:13181.8	B200:13724.8MI355X:3911.2
Cost ($/M tok)	B200:$0.015MI355X:$0.018	B200:$0.024MI355X:$0.032	B200:$0.035MI355X:$0.107
tok/s/MW	B200:19216342MI355X:11176178	B200:11958138MI355X:6307067	B200:8026222MI355X:1871375
Concurrency	B200:~33MI355X:~26	B200:~30MI355X:~9	B200:~6MI355X:~16

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

gpt-oss 120B • 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。