Llama 3.3 70B · 芯片对比
Llama 3.3 70B — H200 与 MI325X
对比 H200(NVIDIA Hopper)与 MI325X(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。
将 Llama 3.3 70B 的目标交互性设为 34 tok/s/user 时,H200 的吞吐量为 3,521 tok/s/chip,每百万 token 成本为 $0.096;MI325X 的吞吐量为 1,769 tok/s/chip,每百万 token 成本为 $0.17。H200 的每 token 成本低 44%;H200 的单芯片吞吐量高出 99%。
当 Llama 3.3 70B 的目标交互性为 58 tok/s/user 时,H200 的吞吐量为 2,516 tok/s/chip,每百万 token 成本为 $0.13;MI325X 的吞吐量为 1,354 tok/s/chip,每百万 token 成本为 $0.23。H200 的每 token 成本低 40%;H200 的单芯片吞吐量高出 86%。
在 Llama 3.3 70B 的 83 tok/s/user 运行点,H200 的吞吐量为 1,705 tok/s/chip,每百万 token 成本为 $0.20;MI325X 的吞吐量为 756 tok/s/chip,每百万 token 成本为 $0.40。H200 的每 token 成本低 51%;H200 的单芯片吞吐量高出 125%。 (以上数据基于此 URL 对应的默认 8k/1k · fp8 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | H2003,521MI325X1,769 | H2002,516MI325X1,354 | H2001,705MI325X756 |
| 成本($/M tok) | H200$0.096MI325X$0.17 | H200$0.13MI325X$0.23 | H200$0.20MI325X$0.40 |
| tok/s/MW | H2002,570,005MI325X1,046,907 | H2001,836,618MI325X801,393 | H2001,244,164MI325X447,630 |
| 并发数 | H200~32MI325X~20 | H200~23MI325X~25 | H200~9MI325X~9 |