Llama 3.3 70B · 芯片对比

Llama 3.3 70B — H200 与 MI355X

对比 H200(NVIDIA Hopper)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,H200 与 MI355X 的吞吐量分别为 3,361 和 4,326 tok/s/chip,每百万 token 成本分别为 $0.10 和 $0.096。MI355X 的每 token 成本低 4%;MI355X 的单芯片吞吐量高出 29%。

以 61 tok/s/user 为目标运行 Llama 3.3 70B 时,H200 的吞吐量为 2,424 tok/s/chip,每百万 token 成本为 $0.14;MI355X 的吞吐量为 2,613 tok/s/chip,每百万 token 成本为 $0.16。H200 的每 token 成本低 12%;MI355X 的单芯片吞吐量高出 8%。

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,H200 运行 Llama 3.3 70B 的吞吐量为 1,644 tok/s/chip,每百万 token 成本为 $0.21;MI355X 的吞吐量为 1,060 tok/s/chip,每百万 token 成本为 $0.39。H200 的每 token 成本低 48%;H200 的单芯片吞吐量高出 55%。 (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。)

查看每美元性能对比 →

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)
H2003,361MI355X4,326
H2002,424MI355X2,613
H2001,644MI355X1,060
成本($/M tok)
H200$0.10MI355X$0.096
H200$0.14MI355X$0.16
H200$0.21MI355X$0.39
tok/s/MW
H2002,453,643MI355X2,069,965
H2001,769,138MI355X1,250,014
H2001,200,156MI355X507,051
并发数
H200~32MI355X~18
H200~20MI355X~22
H200~8MI355X~6