对比 B200（NVIDIA Blackwell）与 MI355X（AMD CDNA 4）在 Kimi K3 2.8T 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 Kimi K3 2.8T 的目标交互性为 40 tok/s/user 时，B200 与 MI355X 的吞吐量分别为 5460 和 7196 tok/s/chip，每百万 token 成本分别为 $0.09 和 $0.06。MI355X 的成本效率高出 52%；MI355X 的单芯片吞吐量高出 32%。
以 70 tok/s/user 为目标运行 Kimi K3 2.8T 时，B200 的吞吐量为 3343 tok/s/chip，每百万 token 成本为 $0.14；MI355X 的吞吐量为 3385 tok/s/chip，每百万 token 成本为 $0.12。MI355X 的成本效率高出 17%；MI355X 的单芯片吞吐量高出 1%。
101 tok/s/user 接近 9–132 tok/s/user 交互性区间的上限。在这一运行点，B200 运行 Kimi K3 2.8T 的吞吐量为 2181 tok/s/chip，每百万 token 成本为 $0.22；MI355X 的吞吐量为 2031 tok/s/chip，每百万 token 成本为 $0.21。MI355X 的成本效率高出 7%；B200 的单芯片吞吐量高出 7%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B200:5459.7MI355X:7195.7 | B200:3343.0MI355X:3384.7 | B200:2180.9MI355X:2031.4 |
| 成本（$/M tok） | B200:$0.088MI355X:$0.058 | B200:$0.144MI355X:$0.123 | B200:$0.220MI355X:$0.205 |
| tok/s/MW | B200:3192786MI355X:3442920 | B200:1954946MI355X:1619479 | B200:1275354MI355X:971984 |
| 并发数 | B200:~20MI355X:~14 | B200:~11MI355X:~6 | B200:~6MI355X:~3 |
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。
