对比 GB300 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 →
以 66 tok/s/user 为目标运行 DeepSeek V4.1 Flash 552B 时，GB300 NVL72 的吞吐量为 141465 tok/s/chip，每百万 token 成本为 $0.00；MI325X 的吞吐量为 14917 tok/s/chip，每百万 token 成本为 $0.02。GB300 NVL72 的成本效率高出 352%；GB300 NVL72 的单芯片吞吐量高出 848%。
115 tok/s/user 位于 16–215 tok/s/user 交互性区间的中段。在这一运行点，GB300 NVL72 运行 DeepSeek V4.1 Flash 552B 的吞吐量为 76245 tok/s/chip，每百万 token 成本为 $0.01；MI325X 的吞吐量为 8769 tok/s/chip，每百万 token 成本为 $0.03。GB300 NVL72 的成本效率高出 314%；GB300 NVL72 的单芯片吞吐量高出 770%。
将 DeepSeek V4.1 Flash 552B 的目标交互性设为 165 tok/s/user 时，GB300 NVL72 的吞吐量为 47270 tok/s/chip，每百万 token 成本为 $0.01；MI325X 的吞吐量为 4118 tok/s/chip，每百万 token 成本为 $0.07。GB300 NVL72 的成本效率高出 447%；GB300 NVL72 的单芯片吞吐量高出 1048%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | GB300 NVL72:141464.7MI325X:14917.2 | GB300 NVL72:76244.8MI325X:8768.5 | GB300 NVL72:47269.7MI325X:4117.5 |
| 成本（$/M tok） | GB300 NVL72:$0.005MI325X:$0.020 | GB300 NVL72:$0.008MI325X:$0.035 | GB300 NVL72:$0.014MI325X:$0.074 |
| tok/s/MW | GB300 NVL72:66728625MI325X:8826720 | GB300 NVL72:35964509MI325X:5188471 | GB300 NVL72:22297049MI325X:2436404 |
| 并发数 | GB300 NVL72:~63MI325X:~6 | GB300 NVL72:~25MI325X:~2 | GB300 NVL72:~14MI325X:~1 |
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。
