DeepSeek V4.1 Flash 552B — GB200 NVL72 与 MI300X
对比 GB200 NVL72（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 →
在 DeepSeek V4.1 Flash 552B 的 116 tok/s/user 运行点，GB200 NVL72 的吞吐量为 354406 tok/s/chip，每百万 token 成本为 $0.00；MI300X 的吞吐量为 6792 tok/s/chip，每百万 token 成本为 $0.04。GB200 NVL72 的成本效率高出 2565%；GB200 NVL72 的单芯片吞吐量高出 5118%。
当 DeepSeek V4.1 Flash 552B 的目标交互性为 146 tok/s/user 时，GB200 NVL72 与 MI300X 的吞吐量分别为 286826 和 4402 tok/s/chip，每百万 token 成本分别为 $0.00 和 $0.06。GB200 NVL72 的成本效率高出 3228%；GB200 NVL72 的单芯片吞吐量高出 6416%。
以 175 tok/s/user 为目标运行 DeepSeek V4.1 Flash 552B 时，GB200 NVL72 的吞吐量为 218450 tok/s/chip，每百万 token 成本为 $0.00；MI300X 的吞吐量为 3080 tok/s/chip，每百万 token 成本为 $0.09。GB200 NVL72 的成本效率高出 3523%；GB200 NVL72 的单芯片吞吐量高出 6994%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB200 NVL72:354406.4MI300X:6791.6 | GB200 NVL72:286826.2MI300X:4402.1 | GB200 NVL72:218450.5MI300X:3079.5 |
| 成本（$/M tok） | GB200 NVL72:$0.001MI300X:$0.039 | GB200 NVL72:$0.002MI300X:$0.060 | GB200 NVL72:$0.002MI300X:$0.086 |
| tok/s/MW | GB200 NVL72:189522116MI300X:4886070 | GB200 NVL72:153382972MI300X:3166959 | GB200 NVL72:116818444MI300X:2215469 |
| 并发数 | GB200 NVL72:~250MI300X:~5 | GB200 NVL72:~192MI300X:~2 | GB200 NVL72:~144MI300X:~1 |
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。