对比 H100（NVIDIA Hopper）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 →
在 DeepSeek V4.1 Flash 552B 的 107 tok/s/user 运行点，H100 的吞吐量为 9216 tok/s/chip，每百万 token 成本为 $0.04；MI325X 的吞吐量为 5134 tok/s/chip，每百万 token 成本为 $0.06。H100 的成本效率高出 69%；H100 的单芯片吞吐量高出 79%。
当 DeepSeek V4.1 Flash 552B 的目标交互性为 139 tok/s/user 时，H100 与 MI325X 的吞吐量分别为 7462 和 4270 tok/s/chip，每百万 token 成本分别为 $0.04 和 $0.07。H100 的成本效率高出 64%；H100 的单芯片吞吐量高出 75%。
以 172 tok/s/user 为目标运行 DeepSeek V4.1 Flash 552B 时，H100 的吞吐量为 6012 tok/s/chip，每百万 token 成本为 $0.05；MI325X 的吞吐量为 2143 tok/s/chip，每百万 token 成本为 $0.14。H100 的成本效率高出 164%；H100 的单芯片吞吐量高出 181%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | H100:9215.7MI325X:5134.4 | H100:7461.7MI325X:4269.9 | H100:6012.0MI325X:2142.8 |
| 成本（$/M tok） | H100:$0.035MI325X:$0.060 | H100:$0.044MI325X:$0.072 | H100:$0.054MI325X:$0.143 |
| tok/s/MW | H100:6726805MI325X:3038100 | H100:5446488MI325X:2526560 | H100:4388357MI325X:1267920 |
| 并发数 | H100:~12MI325X:~7 | H100:~9MI325X:~6 | H100:~7MI325X:~2 |
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。
