对比 GB300 NVL72（NVIDIA Blackwell）与 MI355X（AMD CDNA 4）在 Kimi K3 2.8T 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 55 tok/s/user 为目标运行 Kimi K3 2.8T 时，GB300 NVL72 的吞吐量为 15186 tok/s/chip，每百万 token 成本为 $0.04；MI355X 的吞吐量为 8330 tok/s/chip，每百万 token 成本为 $0.05。GB300 NVL72 的成本效率高出 18%；GB300 NVL72 的单芯片吞吐量高出 82%。
91 tok/s/user 位于 19–163 tok/s/user 交互性区间的中段。在这一运行点，GB300 NVL72 运行 Kimi K3 2.8T 的吞吐量为 10207 tok/s/chip，每百万 token 成本为 $0.06；MI355X 的吞吐量为 6416 tok/s/chip，每百万 token 成本为 $0.06。GB300 NVL72 的成本效率高出 3%；GB300 NVL72 的单芯片吞吐量高出 59%。
将 Kimi K3 2.8T 的目标交互性设为 127 tok/s/user 时，GB300 NVL72 的吞吐量为 7948 tok/s/chip，每百万 token 成本为 $0.08；MI355X 的吞吐量为 2915 tok/s/chip，每百万 token 成本为 $0.14。GB300 NVL72 的成本效率高出 77%；GB300 NVL72 的单芯片吞吐量高出 173%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB300 NVL72:15186.4MI355X:8329.7 | GB300 NVL72:10206.7MI355X:6415.8 | GB300 NVL72:7948.5MI355X:2915.0 |
| 成本（$/M tok） | GB300 NVL72:$0.042MI355X:$0.050 | GB300 NVL72:$0.063MI355X:$0.065 | GB300 NVL72:$0.081MI355X:$0.143 |
| tok/s/MW | GB300 NVL72:7163408MI355X:3985509 | GB300 NVL72:4814476MI355X:3069752 | GB300 NVL72:3749277MI355X:1394750 |
| 并发数 | GB300 NVL72:~56MI355X:~18 | GB300 NVL72:~48MI355X:~30 | GB300 NVL72:~46MI355X:~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。
