对比 B300（NVIDIA Blackwell）与 MI300X（AMD CDNA 3）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 →
68 tok/s/user 接近 27–190 tok/s/user 交互性区间的下限。在这一运行点，B300 运行 DeepSeek V4.1 Flash 552B 的吞吐量为 132836 tok/s/chip，每百万 token 成本为 $0.00；MI300X 的吞吐量为 5745 tok/s/chip，每百万 token 成本为 $0.05。B300 的成本效率高出 872%；B300 的单芯片吞吐量高出 2212%。
将 DeepSeek V4.1 Flash 552B 的目标交互性设为 109 tok/s/user 时，B300 的吞吐量为 79181 tok/s/chip，每百万 token 成本为 $0.01；MI300X 的吞吐量为 3894 tok/s/chip，每百万 token 成本为 $0.07。B300 的成本效率高出 755%；B300 的单芯片吞吐量高出 1934%。
当 DeepSeek V4.1 Flash 552B 的目标交互性为 149 tok/s/user 时，B300 的吞吐量为 55513 tok/s/chip，每百万 token 成本为 $0.01；MI300X 的吞吐量为 2118 tok/s/chip，每百万 token 成本为 $0.12。B300 的成本效率高出 1002%；B300 的单芯片吞吐量高出 2521%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B300:132835.8MI300X:5745.0 | B300:79181.0MI300X:3893.7 | B300:55512.8MI300X:2118.4 |
| 成本（$/M tok） | B300:$0.005MI300X:$0.046 | B300:$0.008MI300X:$0.068 | B300:$0.011MI300X:$0.125 |
| tok/s/MW | B300:69913579MI300X:4133059 | B300:41674191MI300X:2801249 | B300:29217281MI300X:1523994 |
| 并发数 | B300:~42MI300X:~9 | B300:~32MI300X:~5 | B300:~20MI300X:~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。
