Llama 3.3 70B · GPU 对比
Llama 3.3 70B — H200 vs MI355X
H200（NVIDIA Hopper）与 MI355X（AMD CDNA 4）在 Llama 3.3 70B 上的正面 AI 推理基准测试对比。涵盖各类 LLM 工作负载的延迟、吞吐量与成本。使用下方图表控件切换序列、精度和指标——交互方式与主推理图表相同。
Llama 3.3 70B 在 54 tok/s/user 交互性下的吞吐量：H200 为 2974 tok/s/GPU，MI355X 为 2216。每百万 token 成本分别为 $0.13 和 $0.18。H200 每 token 成本低 39%；H200 每 GPU 吞吐量高出 34%。
H200 / MI355X 在 Llama 3.3 70B 上以 75 tok/s/user 运行：2062 / 1536 tok/s/GPU，$0.19 / $0.26 每百万 token。H200 每 token 成本低 37%；H200 每 GPU 吞吐量高出 34%。
在 34–116 tok/s/user 交互性区间的高端，即 Llama 3.3 70B 上以 96 tok/s/user 运行时：H200 达到 1312 tok/s/GPU（$0.30/百万 token），MI355X 达到 750（$0.55/百万）。H200 每 token 成本低 82%；H200 每 GPU 吞吐量高出 75%。 （数据反映此 URL 的默认 1k/1k · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | H200:2974.5MI355X:2215.8 | H200:2062.3MI355X:1536.1 | H200:1312.1MI355X:749.9 |
| Cost ($/M tok) | H200:$0.131MI355X:$0.182 | H200:$0.190MI355X:$0.261 | H200:$0.300MI355X:$0.548 |
| tok/s/MW | H200:1719355MI355X:836163 | H200:1192078MI355X:579660 | H200:758430MI355X:282963 |
| Concurrency | H200:~64MI355X:~50 | H200:~63MI355X:~46 | H200:~29MI355X:~16 |
推理性能
不同模型、硬件配置和服务参数下的推理性能指标。
厂商:
聚合模式:
投机解码: