对比 MI355X（AMD CDNA 4）与 TPU7x（Google Ironwood）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 62 tok/s/user 时，MI355X 的吞吐量为 8572 tok/s/chip，每百万 token 成本为 $0.05；TPU7x 的吞吐量为 6210 tok/s/chip，每百万 token 成本为 $0.05。TPU7x 的成本效率高出 6%；MI355X 的单芯片吞吐量高出 38%。
在 Kimi K3 2.8T 的 99 tok/s/user 运行点，MI355X 的吞吐量为 5517 tok/s/chip，每百万 token 成本为 $0.08；TPU7x 的吞吐量为 4701 tok/s/chip，每百万 token 成本为 $0.06。TPU7x 的成本效率高出 24%；MI355X 的单芯片吞吐量高出 17%。
当 Kimi K3 2.8T 的目标交互性为 136 tok/s/user 时，MI355X 与 TPU7x 的吞吐量分别为 1718 和 3252 tok/s/chip，每百万 token 成本分别为 $0.24 和 $0.09。TPU7x 的成本效率高出 176%；TPU7x 的单芯片吞吐量高出 89%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | MI355X:8572.2TPU7x:6210.1 | MI355X:5517.1TPU7x:4701.4 | MI355X:1718.1TPU7x:3251.7 |
| 成本（$/M tok） | MI355X:$0.049TPU7x:$0.046 | MI355X:$0.076TPU7x:$0.061 | MI355X:$0.243TPU7x:$0.088 |
| tok/s/MW | MI355X:4101542TPU7x:5145092 | MI355X:2639760TPU7x:3895149 | MI355X:822078TPU7x:2694048 |
| 并发数 | MI355X:~22TPU7x:~43 | MI355X:~24TPU7x:~26 | MI355X:~11TPU7x:~16 |
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。
