对比 B300（NVIDIA Blackwell）与 MI355X（AMD CDNA 4）在 GLM 5.3 744B 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 →
133 tok/s/user 接近 126–157 tok/s/user 交互性区间的下限。在这一运行点，B300 运行 GLM 5.3 744B 的吞吐量为 11884 tok/s/chip，每百万 token 成本为 $0.05；MI355X 的吞吐量为 2764 tok/s/chip，每百万 token 成本为 $0.15。B300 的成本效率高出 185%；B300 的单芯片吞吐量高出 330%。
将 GLM 5.3 744B 的目标交互性设为 142 tok/s/user 时，B300 的吞吐量为 10471 tok/s/chip，每百万 token 成本为 $0.06；MI355X 的吞吐量为 1858 tok/s/chip，每百万 token 成本为 $0.22。B300 的成本效率高出 274%；B300 的单芯片吞吐量高出 463%。
当 GLM 5.3 744B 的目标交互性为 150 tok/s/user 时，B300 的吞吐量为 9342 tok/s/chip，每百万 token 成本为 $0.07；MI355X 的吞吐量为 1751 tok/s/chip，每百万 token 成本为 $0.24。B300 的成本效率高出 254%；B300 的单芯片吞吐量高出 434%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B300:11883.5MI355X:2763.7 | B300:10471.4MI355X:1858.3 | B300:9341.5MI355X:1750.8 |
| 成本（$/M tok） | B300:$0.053MI355X:$0.151 | B300:$0.060MI355X:$0.224 | B300:$0.067MI355X:$0.238 |
| tok/s/MW | B300:6254481MI355X:1322360 | B300:5511250MI355X:889126 | B300:4916580MI355X:837691 |
| 并发数 | B300:~16MI355X:~2 | B300:~15MI355X:~2 | B300:~14MI355X:~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。
