gpt-oss 120B · 芯片对比
gpt-oss 120B — H200 与 MI355X
对比 H200(NVIDIA Hopper)与 MI355X(AMD CDNA 4)在 gpt-oss 120B 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。
92 tok/s/user 接近 38–255 tok/s/user 交互性区间的下限。在这一运行点,H200 运行 gpt-oss 120B 的吞吐量为 6,714 tok/s/chip,每百万 token 成本为 $0.050;MI355X 的吞吐量为 26,412 tok/s/chip,每百万 token 成本为 $0.016。MI355X 的每 token 成本低 69%;MI355X 的单芯片吞吐量为对方的 3.9 倍。
将 gpt-oss 120B 的目标交互性设为 147 tok/s/user 时,H200 的吞吐量为 4,482 tok/s/chip,每百万 token 成本为 $0.076;MI355X 的吞吐量为 16,069 tok/s/chip,每百万 token 成本为 $0.026。MI355X 的每 token 成本低 66%;MI355X 的单芯片吞吐量为对方的 3.6 倍。
当 gpt-oss 120B 的目标交互性为 201 tok/s/user 时,H200 的吞吐量为 2,812 tok/s/chip,每百万 token 成本为 $0.12;MI355X 的吞吐量为 10,455 tok/s/chip,每百万 token 成本为 $0.040。MI355X 的每 token 成本低 67%;MI355X 的单芯片吞吐量为对方的 3.7 倍。 (以上数据基于此 URL 对应的默认 8k/1k · fp4 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | H2006,714MI355X26,412 | H2004,482MI355X16,069 | H2002,812MI355X10,455 |
| 成本($/M tok) | H200$0.050MI355X$0.016 | H200$0.076MI355X$0.026 | H200$0.12MI355X$0.040 |
| tok/s/MW | H2004,900,797MI355X12,637,175 | H2003,271,417MI355X7,688,576 | H2002,052,199MI355X5,002,206 |
| 并发数 | H200~17MI355X~34 | H200~16MI355X~13 | H200~6MI355X~5 |