InferenceX
EN
Llama 3.3 70B · 芯片对比

Llama 3.3 70B — H200 vs MI300X

H200（NVIDIA Hopper）与 MI300X（AMD CDNA 3）在 Llama 3.3 70B 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 Llama 3.3 70B 上以 32 tok/s/user 交互性运行时，H200 吞吐量为 3631 tok/s/chip，每百万 token 成本 $0.09；MI300X 吞吐量为 1918 tok/s/chip，成本 $0.14。H200 每 token 成本低 47%；H200 每芯片吞吐量高出 89%。

H200 在 Llama 3.3 70B 上以 55 tok/s/user 运行时达到 2611 tok/s/chip（每百万 token $0.13）；MI300X 达到 1268 tok/s/chip（$0.21）。H200 每 token 成本低 60%；H200 每芯片吞吐量高出 106%。

Llama 3.3 70B 在 78 tok/s/user 交互性下的吞吐量：H200 为 1864 tok/s/chip，MI300X 为 688。每百万 token 成本分别为 $0.18 和 $0.38。H200 每 token 成本低 111%；H200 每芯片吞吐量高出 171%。 （数据反映此 URL 的默认 8k/1k · fp8 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)
H200:3630.8MI300X:1917.8
H200:2610.6MI300X:1268.3
H200:1864.0MI300X:688.5
Cost ($/M tok)
H200:$0.093MI300X:$0.138
H200:$0.130MI300X:$0.208
H200:$0.182MI300X:$0.383
tok/s/MW
H200:2650223MI300X:1379734
H200:1905520MI300X:912473
H200:1360591MI300X:495291
Concurrency
H200:~32MI300X:~31
H200:~26MI300X:~16
H200:~10MI300X:~10

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。

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

Llama 3.3 70B Instruct • 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