GLM 5.3 744B — MI325X 与 TPU7x
对比 MI325X（AMD CDNA 3）与 TPU7x（Google Ironwood）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 →
当 GLM 5.3 744B 的目标交互性为 33 tok/s/user 时，MI325X 的吞吐量为 1253 tok/s/chip，每百万 token 成本为 $0.24；TPU7x 的吞吐量为 15933 tok/s/chip，每百万 token 成本为 $0.02。TPU7x 的成本效率高出 1258%；TPU7x 的单芯片吞吐量高出 1172%。
在 GLM 5.3 744B 的 46 tok/s/user 运行点，MI325X 的吞吐量为 1142 tok/s/chip，每百万 token 成本为 $0.27；TPU7x 的吞吐量为 13353 tok/s/chip，每百万 token 成本为 $0.02。TPU7x 的成本效率高出 1148%；TPU7x 的单芯片吞吐量高出 1069%。
当 GLM 5.3 744B 的目标交互性为 59 tok/s/user 时，MI325X 与 TPU7x 的吞吐量分别为 1052 和 10792 tok/s/chip，每百万 token 成本分别为 $0.29 和 $0.03。TPU7x 的成本效率高出 995%；TPU7x 的单芯片吞吐量高出 926%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp8 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | MI325X:1252.7TPU7x:15933.4 | MI325X:1142.4TPU7x:13353.5 | MI325X:1052.1TPU7x:10792.4 |
| 成本（$/M tok） | MI325X:$0.244TPU7x:$0.018 | MI325X:$0.267TPU7x:$0.021 | MI325X:$0.290TPU7x:$0.027 |
| tok/s/MW | MI325X:741217TPU7x:13200857 | MI325X:675949TPU7x:11063340 | MI325X:622557TPU7x:8941529 |
| 并发数 | MI325X:~3TPU7x:~31 | MI325X:~2TPU7x:~21 | MI325X:~1TPU7x:~16 |