gpt-oss 120B · 芯片对比

gpt-oss 120B — GB200 NVL72 vs MI355X

GB200 NVL72（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。

在 68–305 tok/s/user 交互性区间的低端，即 gpt-oss 120B 上以 127 tok/s/user 运行时：GB200 NVL72 达到 39042 tok/s/chip（$0.01/百万 token），MI355X 达到 19134（$0.02/百万）。GB200 NVL72 每 token 成本低 65%；GB200 NVL72 每芯片吞吐量高出 104%。

以 187 tok/s/user 为目标在 gpt-oss 120B 上运行时，GB200 NVL72 产出 28526 tok/s/chip（每百万 token $0.02），MI355X 产出 11474（$0.04）。GB200 NVL72 每 token 成本低 100%；GB200 NVL72 每芯片吞吐量高出 149%。

在 gpt-oss 120B 上以 246 tok/s/user 交互性运行时，GB200 NVL72 吞吐量为 18958 tok/s/chip，每百万 token 成本 $0.03；MI355X 吞吐量为 3618 tok/s/chip，成本 $0.12。GB200 NVL72 每 token 成本低 323%；GB200 NVL72 每芯片吞吐量高出 424%。（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)	GB200 NVL72:39042.3MI355X:19133.8	GB200 NVL72:28525.7MI355X:11474.5	GB200 NVL72:18958.0MI355X:3618.0
Cost ($/M tok)	GB200 NVL72:$0.013MI355X:$0.022	GB200 NVL72:$0.018MI355X:$0.036	GB200 NVL72:$0.027MI355X:$0.115
tok/s/MW	GB200 NVL72:20878221MI355X:9154931	GB200 NVL72:15254396MI355X:5490178	GB200 NVL72:10137992MI355X:1731095
Concurrency	GB200 NVL72:~489MI355X:~18	GB200 NVL72:~109MI355X:~7	GB200 NVL72:~53MI355X:~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。