DeepSeek V4.1 Flash 552B — GB200 NVL72 与 MI325X
对比 GB200 NVL72（NVIDIA Blackwell）与 MI325X（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 →
当 DeepSeek V4.1 Flash 552B 的目标交互性为 117 tok/s/user 时，GB200 NVL72 的吞吐量为 352169 tok/s/chip，每百万 token 成本为 $0.00；MI325X 的吞吐量为 7419 tok/s/chip，每百万 token 成本为 $0.04。GB200 NVL72 的成本效率高出 2707%；GB200 NVL72 的单芯片吞吐量高出 4647%。
在 DeepSeek V4.1 Flash 552B 的 148 tok/s/user 运行点，GB200 NVL72 的吞吐量为 282261 tok/s/chip，每百万 token 成本为 $0.00；MI325X 的吞吐量为 6496 tok/s/chip，每百万 token 成本为 $0.05。GB200 NVL72 的成本效率高出 2470%；GB200 NVL72 的单芯片吞吐量高出 4245%。
当 DeepSeek V4.1 Flash 552B 的目标交互性为 179 tok/s/user 时，GB200 NVL72 与 MI325X 的吞吐量分别为 208760 和 4148 tok/s/chip，每百万 token 成本分别为 $0.00 和 $0.07。GB200 NVL72 的成本效率高出 2876%；GB200 NVL72 的单芯片吞吐量高出 4933%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB200 NVL72:352169.0MI325X:7418.6 | GB200 NVL72:282261.4MI325X:6496.4 | GB200 NVL72:208759.8MI325X:4148.0 |
| 成本（$/M tok） | GB200 NVL72:$0.001MI325X:$0.041 | GB200 NVL72:$0.002MI325X:$0.047 | GB200 NVL72:$0.002MI325X:$0.074 |
| tok/s/MW | GB200 NVL72:188325651MI325X:4389694 | GB200 NVL72:150941948MI325X:3844022 | GB200 NVL72:111636263MI325X:2454461 |
| 并发数 | GB200 NVL72:~248MI325X:~2 | GB200 NVL72:~188MI325X:~3 | GB200 NVL72:~138MI325X:~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。