gpt-oss 120B · 芯片对比

gpt-oss 120B — H200 vs MI355X

H200（NVIDIA Hopper）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 38–255 tok/s/user 交互性区间的低端，即 gpt-oss 120B 上以 92 tok/s/user 运行时：H200 达到 6714 tok/s/chip（$0.05/百万 token），MI355X 达到 26412（$0.02/百万）。MI355X 每 token 成本低 220%；MI355X 每芯片吞吐量高出 293%。

以 147 tok/s/user 为目标在 gpt-oss 120B 上运行时，H200 产出 4482 tok/s/chip（每百万 token $0.08），MI355X 产出 16069（$0.03）。MI355X 每 token 成本低 192%；MI355X 每芯片吞吐量高出 259%。

在 gpt-oss 120B 上以 201 tok/s/user 交互性运行时，H200 吞吐量为 2812 tok/s/chip，每百万 token 成本 $0.12；MI355X 吞吐量为 10455 tok/s/chip，成本 $0.04。MI355X 每 token 成本低 202%；MI355X 每芯片吞吐量高出 272%。（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)	H200:6714.1MI355X:26411.7	H200:4481.8MI355X:16069.1	H200:2811.5MI355X:10454.6
Cost ($/M tok)	H200:$0.050MI355X:$0.016	H200:$0.076MI355X:$0.026	H200:$0.121MI355X:$0.040
tok/s/MW	H200:4900797MI355X:12637175	H200:3271417MI355X:7688576	H200:2052199MI355X:5002206
Concurrency	H200:~17MI355X:~34	H200:~16MI355X:~13	H200:~6MI355X:~5

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。