对比 GB200 NVL72（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 →
以 209 tok/s/user 为目标运行 DeepSeek V4.1 Flash 552B 时，GB200 NVL72 的吞吐量为 154577 tok/s/chip，每百万 token 成本为 $0.00；MI355X 的吞吐量为 59750 tok/s/chip，每百万 token 成本为 $0.01。GB200 NVL72 的成本效率高出 109%；GB200 NVL72 的单芯片吞吐量高出 159%。
332 tok/s/user 位于 86–578 tok/s/user 交互性区间的中段。在这一运行点，GB200 NVL72 运行 DeepSeek V4.1 Flash 552B 的吞吐量为 61313 tok/s/chip，每百万 token 成本为 $0.01；MI355X 的吞吐量为 31892 tok/s/chip，每百万 token 成本为 $0.01。GB200 NVL72 的成本效率高出 55%；GB200 NVL72 的单芯片吞吐量高出 92%。
将 DeepSeek V4.1 Flash 552B 的目标交互性设为 455 tok/s/user 时，GB200 NVL72 的吞吐量为 14327 tok/s/chip，每百万 token 成本为 $0.04；MI355X 的吞吐量为 18399 tok/s/chip，每百万 token 成本为 $0.02。MI355X 的成本效率高出 59%；MI355X 的单芯片吞吐量高出 28%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB200 NVL72:154577.3MI355X:59750.0 | GB200 NVL72:61313.2MI355X:31891.6 | GB200 NVL72:14326.7MI355X:18398.7 |
| 成本（$/M tok） | GB200 NVL72:$0.003MI355X:$0.007 | GB200 NVL72:$0.008MI355X:$0.013 | GB200 NVL72:$0.036MI355X:$0.023 |
| tok/s/MW | GB200 NVL72:82661682MI355X:28588534 | GB200 NVL72:32787792MI355X:15259116 | GB200 NVL72:7661349MI355X:8803211 |
| 并发数 | GB200 NVL72:~92MI355X:~30 | GB200 NVL72:~34MI355X:~8 | GB200 NVL72:~7MI355X:~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。
