对比 B200（NVIDIA Blackwell）与 MI355X（AMD CDNA 4）在 Llama 3.3 70B 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。
当 Llama 3.3 70B 的目标交互性为 37 tok/s/user 时，B200 与 MI355X 的吞吐量分别为 6594 和 4326 tok/s/chip，每百万 token 成本分别为 $0.07 和 $0.10。B200 的成本效率高出 32%；B200 的单芯片吞吐量高出 52%。
以 61 tok/s/user 为目标运行 Llama 3.3 70B 时，B200 的吞吐量为 4854 tok/s/chip，每百万 token 成本为 $0.10；MI355X 的吞吐量为 2613 tok/s/chip，每百万 token 成本为 $0.16。B200 的成本效率高出 61%；B200 的单芯片吞吐量高出 86%。
85 tok/s/user 接近 14–108 tok/s/user 交互性区间的上限。在这一运行点，B200 运行 Llama 3.3 70B 的吞吐量为 3538 tok/s/chip，每百万 token 成本为 $0.14；MI355X 的吞吐量为 1060 tok/s/chip，每百万 token 成本为 $0.39。B200 的成本效率高出 189%；B200 的单芯片吞吐量高出 234%。 （以上数据基于此 URL 对应的默认 8k/1k · fp8 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | B200:6593.5MI355X:4326.2 | B200:4854.3MI355X:2612.5 | B200:3537.9MI355X:1059.7 |
| 成本（$/M tok） | B200:$0.073MI355X:$0.096 | B200:$0.099MI355X:$0.159 | B200:$0.136MI355X:$0.393 |
| tok/s/MW | B200:3855848MI355X:2069965 | B200:2838777MI355X:1250014 | B200:2068956MI355X:507051 |
| 并发数 | B200:~44MI355X:~18 | B200:~32MI355X:~22 | B200:~21MI355X:~6 |
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。
TCO $/chip/hr：
来源： SemiAnalysis Market July 2026 Pricing Surveys & AI Cloud TCO Model
注意：分离式推理配置（如 MoRI SGLang、Dynamo TRTLLM）按解码芯片或预填充 芯片计算每百万 token 成本，而非按芯片总数计算。因此，与聚合配置进行token 成本的直接对比并不完全等价。
注意：分离式推理配置（如 MoRI SGLang、Dynamo TRTLLM）按解码芯片或预填充 芯片计算输入吞吐量，而非按芯片总数计算。因此，与聚合配置进行输入吞吐量的直接对比并不完全等价。
注意：分离式推理配置（如 MoRI SGLang、Dynamo TRTLLM）按解码芯片或预填充 芯片计算输出吞吐量，而非按芯片总数计算。因此，与聚合配置进行输出吞吐量的直接对比并不完全等价。
注意：分离式推理配置（如 MoRI SGLang、Dynamo TRTLLM）按解码芯片或预填充 芯片计算功耗，而非按芯片总数计算。因此，与聚合配置进行功耗的直接对比并不完全等价。
注意：分离式推理配置（如 MoRI SGLang、Dynamo TRTLLM）按解码芯片或预填充 芯片计算能耗，而非按芯片总数计算。因此，与聚合配置进行每 token 能耗的直接对比并不完全等价。
有符合条件的测量数据，但对应的芯片曲线已隐藏。
按住 Shift 滚动以缩放 · 拖动以平移 · 双击以重置 · 点击数据点固定提示框
Llama 3.3 70B Instruct 8K / 1K 每 1 美元 TCO 对应的总 token 数 vs. 交互性