DeepSeek V4.1 Flash 552B — GB300 NVL72 与 MI300X
对比 GB300 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 →
84 tok/s/user 接近 44–205 tok/s/user 交互性区间的下限。在这一运行点，GB300 NVL72 运行 DeepSeek V4.1 Flash 552B 的吞吐量为 1094347 tok/s/chip，每百万 token 成本为 $0.00；MI300X 的吞吐量为 9358 tok/s/chip，每百万 token 成本为 $0.03。GB300 NVL72 的成本效率高出 4709%；GB300 NVL72 的单芯片吞吐量高出 11594%。
将 DeepSeek V4.1 Flash 552B 的目标交互性设为 124 tok/s/user 时，GB300 NVL72 的吞吐量为 1040710 tok/s/chip，每百万 token 成本为 $0.00；MI300X 的吞吐量为 6243 tok/s/chip，每百万 token 成本为 $0.04。GB300 NVL72 的成本效率高出 6756%；GB300 NVL72 的单芯片吞吐量高出 16570%。
当 DeepSeek V4.1 Flash 552B 的目标交互性为 165 tok/s/user 时，GB300 NVL72 的吞吐量为 976288 tok/s/chip，每百万 token 成本为 $0.00；MI300X 的吞吐量为 3943 tok/s/chip，每百万 token 成本为 $0.07。GB300 NVL72 的成本效率高出 10083%；GB300 NVL72 的单芯片吞吐量高出 24660%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB300 NVL72:1094347.1MI300X:9358.4 | GB300 NVL72:1040710.1MI300X:6242.9 | GB300 NVL72:976288.2MI300X:3943.0 |
| 成本（$/M tok） | GB300 NVL72:$0.001MI300X:$0.028 | GB300 NVL72:$0.001MI300X:$0.042 | GB300 NVL72:$0.001MI300X:$0.067 |
| tok/s/MW | GB300 NVL72:516201439MI300X:6732631 | GB300 NVL72:490900996MI300X:4491265 | GB300 NVL72:460513316MI300X:2836683 |
| 并发数 | GB300 NVL72:~7480MI300X:~7 | GB300 NVL72:~7480MI300X:~4 | GB300 NVL72:~8591MI300X:~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。