H200（NVIDIA Hopper）与 MI325X（AMD CDNA 3）在 GLM 5.3 744B 上的正面 AI 推理基准测试对比。涵盖各类 LLM 工作负载的延迟、吞吐量与成本。使用下方图表控件切换序列、精度和指标——交互方式与主推理图表相同。
AgentX 回放真实的编码 agent 会话，而不是固定长度的 prompt，因此上下文随轮次不断增长，每个请求的大部分内容由 cache 提供而无需重新计算。这让对比变成一个系统问题：跨节点的 KV 传输、prefix 感知路由与 cache 容量，都会与芯片原始吞吐量一同影响曲线。固定序列负载仍然是衡量 kernel 与芯片性能的干净基线，因此两种场景回答的是关于同一硬件的不同问题。 进一步了解 AgentX →
在 2–84 tok/s/user 交互性区间的低端，即 GLM 5.3 744B 上以 23 tok/s/user 运行时：H200 达到 844 tok/s/chip（$0.40/百万 token），MI325X 达到 750（$0.41/百万）。H200 每 token 成本低 1%；H200 每芯片吞吐量高出 13%。
以 43 tok/s/user 为目标在 GLM 5.3 744B 上运行时，H200 产出 844 tok/s/chip（每百万 token $0.40），MI325X 产出 688（$0.44）。H200 每 token 成本低 11%；H200 每芯片吞吐量高出 23%。
在 GLM 5.3 744B 上以 64 tok/s/user 交互性运行时，H200 吞吐量为 844 tok/s/chip，每百万 token 成本 $0.40；MI325X 吞吐量为 688 tok/s/chip，成本 $0.44。H200 每 token 成本低 11%；H200 每芯片吞吐量高出 23%。 （数据反映此 URL 的默认 agentic-traces · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| 指标 | 交互速度 (tok/s/user) | 交互速度 (tok/s/user) | 交互速度 (tok/s/user) |
|---|---|---|---|
| 吞吐量 (tok/s/chip) | H200:843.9MI325X:750.1 | H200:843.9MI325X:688.2 | H200:843.9MI325X:688.2 |
| 成本 ($/M tok) | H200:$0.402MI325X:$0.407 | H200:$0.402MI325X:$0.444 | H200:$0.402MI325X:$0.444 |
| tok/s/MW | H200:615966MI325X:443824 | H200:615966MI325X:407243 | H200:615966MI325X:407243 |
| 并发数 | H200:~12MI325X:~2 | H200:~12MI325X:~1 | H200:~12MI325X:~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。
当前模型、场景与筛选条件下没有匹配的基准测试数据。请调整上方筛选条件查看结果。
