对比 B200（NVIDIA Blackwell）与 MI355X（AMD CDNA 4）在 DeepSeek V4.1 Flash 552B 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 →
在 DeepSeek V4.1 Flash 552B 的 210 tok/s/user 运行点，B200 的吞吐量为 155766 tok/s/chip，每百万 token 成本为 $0.00；MI355X 的吞吐量为 59646 tok/s/chip，每百万 token 成本为 $0.01。B200 的成本效率高出 126%；B200 的单芯片吞吐量高出 161%。
当 DeepSeek V4.1 Flash 552B 的目标交互性为 354 tok/s/user 时，B200 与 MI355X 的吞吐量分别为 54317 和 31817 tok/s/chip，每百万 token 成本分别为 $0.01 和 $0.01。B200 的成本效率高出 48%；B200 的单芯片吞吐量高出 71%。
以 497 tok/s/user 为目标运行 DeepSeek V4.1 Flash 552B 时，B200 的吞吐量为 18799 tok/s/chip，每百万 token 成本为 $0.03；MI355X 的吞吐量为 15332 tok/s/chip，每百万 token 成本为 $0.03。B200 的成本效率高出 6%；B200 的单芯片吞吐量高出 23%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B200:155766.1MI355X:59646.3 | B200:54316.6MI355X:31816.9 | B200:18799.0MI355X:15331.5 |
| 成本（$/M tok） | B200:$0.003MI355X:$0.007 | B200:$0.009MI355X:$0.013 | B200:$0.026MI355X:$0.027 |
| tok/s/MW | B200:91091291MI355X:28538912 | B200:31764104MI355X:15223413 | B200:10993553MI355X:7335665 |
| 并发数 | B200:~93MI355X:~30 | B200:~30MI355X:~8 | B200:~10MI355X:~2 |
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。
