GLM 5/5.1 · 芯片对比

GLM 5/5.1 — H200 与 MI355X

对比 H200(NVIDIA Hopper)与 MI355X(AMD CDNA 4)在 GLM 5/5.1 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。

34 tok/s/user 接近 18–84 tok/s/user 交互性区间的下限。在这一运行点,H200 运行 GLM 5/5.1 的吞吐量为 740 tok/s/chip,每百万 token 成本为 $0.46;MI355X 的吞吐量为 1,276 tok/s/chip,每百万 token 成本为 $0.33。MI355X 的每 token 成本低 29%;MI355X 的单芯片吞吐量高出 72%。

将 GLM 5/5.1 的目标交互性设为 51 tok/s/user 时,H200 的吞吐量为 563 tok/s/chip,每百万 token 成本为 $0.60;MI355X 的吞吐量为 957 tok/s/chip,每百万 token 成本为 $0.44。MI355X 的每 token 成本低 28%;MI355X 的单芯片吞吐量高出 70%。

当 GLM 5/5.1 的目标交互性为 68 tok/s/user 时,H200 的吞吐量为 434 tok/s/chip,每百万 token 成本为 $0.78;MI355X 的吞吐量为 747 tok/s/chip,每百万 token 成本为 $0.56。MI355X 的每 token 成本低 29%;MI355X 的单芯片吞吐量高出 72%。 (以上数据基于此 URL 对应的默认 8k/1k · fp8 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。)

查看每美元性能对比 →

数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。

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)
H200740MI355X1,276
H200563MI355X957
H200434MI355X747
成本($/M tok)
H200$0.46MI355X$0.33
H200$0.60MI355X$0.44
H200$0.78MI355X$0.56
tok/s/MW
H200540,170MI355X610,522
H200411,175MI355X457,666
H200316,738MI355X357,251
并发数
H200~21MI355X~18
H200~10MI355X~9
H200~6MI355X~5