Llama 3.3 70B · 芯片对比
Llama 3.3 70B — H200 与 MI300X
对比 H200(NVIDIA Hopper)与 MI300X(AMD CDNA 3)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 32 tok/s/user 时,H200 的吞吐量为 3,631 tok/s/chip,每百万 token 成本为 $0.093;MI300X 的吞吐量为 1,918 tok/s/chip,每百万 token 成本为 $0.14。H200 的每 token 成本低 32%;H200 的单芯片吞吐量高出 89%。
在 Llama 3.3 70B 的 55 tok/s/user 运行点,H200 的吞吐量为 2,611 tok/s/chip,每百万 token 成本为 $0.13;MI300X 的吞吐量为 1,268 tok/s/chip,每百万 token 成本为 $0.21。H200 的每 token 成本低 38%;H200 的单芯片吞吐量高出 106%。
当 Llama 3.3 70B 的目标交互性为 78 tok/s/user 时,H200 与 MI300X 的吞吐量分别为 1,864 和 688 tok/s/chip,每百万 token 成本分别为 $0.18 和 $0.38。H200 的每 token 成本低 53%;H200 的单芯片吞吐量高出 171%。 (以上数据基于此 URL 对应的默认 8k/1k · fp8 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | H2003,631MI300X1,918 | H2002,611MI300X1,268 | H2001,864MI300X688 |
| 成本($/M tok) | H200$0.093MI300X$0.14 | H200$0.13MI300X$0.21 | H200$0.18MI300X$0.38 |
| tok/s/MW | H2002,650,223MI300X1,379,734 | H2001,905,520MI300X912,473 | H2001,360,591MI300X495,291 |
| 并发数 | H200~32MI300X~31 | H200~26MI300X~16 | H200~10MI300X~10 |