DeepSeekv4 Pro 0813 1.6T · 每美元性能

DeepSeekv4 Pro 0813 1.6T — H200 vs MI325X 每美元性能

H200（NVIDIA Hopper）与 MI325X（AMD CDNA 3）在 DeepSeekv4 Pro 0813 1.6T 上的每百万 token 成本。基于所属云服务商 TCO 归一化的输出 token 性能——在各类 LLM 工作负载下的每美元性能。在每个目标交互性水平下选出更经济的 SKU。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 DeepSeekv4 Pro 0813 1.6T 上以 13 tok/s/user 运行时，H200 每百万 token 成本为 $0.92，MI325X 为 $0.86。MI325X 在此工作点上的成本效率高出 7%。

H200 在 DeepSeekv4 Pro 0813 1.6T 上以 20 tok/s/user 运行时领先于 MI325X——每百万 token 成本 $0.99 对 $1.72，差距达 73%。

将 DeepSeekv4 Pro 0813 1.6T 推至 27 tok/s/user 时，H200 每百万 token 成本为 $1.11，MI325X 为 $3.22——H200 领先 189%。（数据反映此 URL 的默认 1k/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。）

芯片定价（所属云服务商）： H200 $1.22/chip/hr · MI325X $1.10/chip/hr. 来源： SemiAnalysis Market July 2026 Pricing Surveys & AI Cloud TCO Model.

查看完整延迟与吞吐量对比 →

DeepSeekv4 Pro 0813 1.6T：H200 与 MI325X 在相同交互性水平下的每百万 token 成本 — H200 与 MI325X 在此对比默认工作负载下的每百万 token 成本。成本越低表示每美元性能越高。

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)
每百万 token 美元成本	H200:$0.915MI325X:$0.858	H200:$0.994MI325X:$1.721	H200:$1.112MI325X:$3.218
Concurrency	H200:~117MI325X:~113	H200:~75MI325X:~37	H200:~48MI325X:~14

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

每百万总 token 成本（自有 - 超大规模） vs. 交互性

DeepSeek V4 Pro 0813 1.6T • FP4 • 8K / 1K • 来源：SemiAnalysis InferenceX™

TCO $/chip/hr： VR200: 3.61H100: 1.17H200: 1.22B200: 1.73B300: 2.26GB200: 1.86GB300: 2.31MI300X: 0.95MI325X: 1.1MI355X: 1.5RTX6000PRO: 0.68Jalapeño (Teacup): 1.47

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。

暂无数据

请调整模型、序列长度、精度、日期范围或芯片选项。

按住 Shift 滚动以缩放 · 拖动以平移 · 双击以重置 · 点击数据点固定提示框