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 70 tok/s/user 时，GB200 NVL72 的吞吐量为 71034 tok/s/chip，每百万 token 成本为 $0.01；MI325X 的吞吐量为 7186 tok/s/chip，每百万 token 成本为 $0.04。GB200 NVL72 的成本效率高出 485%；GB200 NVL72 的单芯片吞吐量高出 889%。
在 DeepSeek V4.1 Flash 552B 的 115 tok/s/user 运行点，GB200 NVL72 的吞吐量为 45767 tok/s/chip，每百万 token 成本为 $0.01；MI325X 的吞吐量为 4884 tok/s/chip，每百万 token 成本为 $0.06。GB200 NVL72 的成本效率高出 454%；GB200 NVL72 的单芯片吞吐量高出 837%。
当 DeepSeek V4.1 Flash 552B 的目标交互性为 160 tok/s/user 时，GB200 NVL72 与 MI325X 的吞吐量分别为 26780 和 3014 tok/s/chip，每百万 token 成本分别为 $0.02 和 $0.10。GB200 NVL72 的成本效率高出 425%；GB200 NVL72 的单芯片吞吐量高出 788%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB200 NVL72:71034.1MI325X:7185.8 | GB200 NVL72:45766.9MI325X:4884.2 | GB200 NVL72:26780.3MI325X:3014.3 |
| 成本（$/M tok） | GB200 NVL72:$0.007MI325X:$0.043 | GB200 NVL72:$0.011MI325X:$0.063 | GB200 NVL72:$0.019MI325X:$0.101 |
| tok/s/MW | GB200 NVL72:37986148MI325X:4251953 | GB200 NVL72:24474287MI325X:2890055 | GB200 NVL72:14321012MI325X:1783617 |
| 并发数 | GB200 NVL72:~48MI325X:~11 | GB200 NVL72:~24MI325X:~6 | GB200 NVL72:~15MI325X:~4 |
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。
