GLM 5.3 744B · 芯片对比

GLM 5.3 744B — MI355X 与 Vera Rubin NVL72

对比 MI355X(AMD CDNA 4)与 Vera Rubin NVL72(NVIDIA Vera Rubin)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 →

222 tok/s/user 接近 204–277 tok/s/user 交互性区间的下限。在这一运行点,MI355X 运行 GLM 5.3 744B 的吞吐量为 4,738 tok/s/chip,每百万 token 成本为 $0.088;Vera Rubin NVL72 的吞吐量为 145,440 tok/s/chip,每百万 token 成本为 $0.007。Vera Rubin NVL72 的每 token 成本低 92%;Vera Rubin NVL72 的单芯片吞吐量为对方的 31 倍。

将 GLM 5.3 744B 的目标交互性设为 240 tok/s/user 时,MI355X 的吞吐量为 4,679 tok/s/chip,每百万 token 成本为 $0.089;Vera Rubin NVL72 的吞吐量为 134,740 tok/s/chip,每百万 token 成本为 $0.007。Vera Rubin NVL72 的每 token 成本低 92%;Vera Rubin NVL72 的单芯片吞吐量为对方的 29 倍。

当 GLM 5.3 744B 的目标交互性为 259 tok/s/user 时,MI355X 的吞吐量为 4,580 tok/s/chip,每百万 token 成本为 $0.091;Vera Rubin NVL72 的吞吐量为 106,490 tok/s/chip,每百万 token 成本为 $0.009。Vera Rubin NVL72 的每 token 成本低 90%;Vera Rubin NVL72 的单芯片吞吐量为对方的 23 倍。 (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。)

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)
MI355X4,738Vera Rubin NVL72145,440
MI355X4,679Vera Rubin NVL72134,740
MI355X4,580Vera Rubin NVL72106,490
成本($/M tok)
MI355X$0.088Vera Rubin NVL72$0.007
MI355X$0.089Vera Rubin NVL72$0.007
MI355X$0.091Vera Rubin NVL72$0.009
tok/s/MW
MI355X2,267,077Vera Rubin NVL7244,072,631
MI355X2,238,708Vera Rubin NVL7240,830,454
MI355X2,191,500Vera Rubin NVL7232,269,747
并发数
MI355X~1Vera Rubin NVL72~849
MI355X~1Vera Rubin NVL72~686
MI355X~1Vera Rubin NVL72~470