Qwen 3.5 397B-A17B · 每美元性能

Qwen 3.5 397B-A17B — GB200 NVL72 vs MI325X 每美元性能

GB200 NVL72（NVIDIA Blackwell）与 MI325X（AMD CDNA 3）在 Qwen 3.5 397B-A17B 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。

AgentX 回放真实的编码 agent 会话，而不是固定长度的 prompt，因此上下文随轮次不断增长，每个请求的大部分内容由 cache 提供而无需重新计算。这让对比变成一个系统问题：跨节点的 KV 传输、prefix 感知路由与 cache 容量，都会与芯片原始吞吐量一同影响曲线。固定序列负载仍然是衡量 kernel 与芯片性能的干净基线，因此两种场景回答的是关于同一硬件的不同问题。进一步了解 AgentX →

在 Qwen 3.5 397B-A17B 上以 14 tok/s/user 运行时，MI325X 每百万 token 成本为 $0.02。GB200 NVL72 尚未在此工作点进行基准测试。

仅 MI325X 在 Qwen 3.5 397B-A17B 上以 25 tok/s/user 运行时有成本数据——每百万 token $0.03。GB200 NVL72 在此目标点尚未测试。

在 Qwen 3.5 397B-A17B 上以 37 tok/s/user 运行时，MI325X 每百万 token 成本为 $0.05；GB200 NVL72 在此目标点没有基准测试数据。（数据反映此 URL 的默认 agentic-traces · 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）： GB200 NVL72 $1.86/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 →

Qwen 3.5 397B-A17B：GB200 NVL72 与 MI325X 在相同交互性水平下的每百万 token 成本 — GB200 NVL72 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	GB200 NVL72:—MI325X:$0.021	GB200 NVL72:—MI325X:$0.030	GB200 NVL72:—MI325X:$0.050
Concurrency	GB200 NVL72:—MI325X:~32	GB200 NVL72:—MI325X:~16	GB200 NVL72:—MI325X:~8

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

精度

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

Qwen3.5 397B • FP4 • 8K / 1K • 来源：SemiAnalysis InferenceX™

TCO $/chip/hr： H100: 1.17H200: 1.22B200: 1.73B300: 2.26GB200: 1.86GB300: 2.31MI300X: 0.95MI325X: 1.1MI355X: 1.5RTX6000PRO: 0.68

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