对比 H100（NVIDIA Hopper）与 MI355X（AMD CDNA 4）在 Muse Spark Open 816B 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。
AgentX 回放真实的 coding agent 会话，而非定长 prompt。随着会话轮次增加，上下文不断增长；每个请求的大部分内容都可直接从 cache 读取，无需重新计算。因此，这项对比不仅取决于芯片本身的吞吐量，还会受到跨节点 KV 传输、prefix-aware routing 和 cache 容量等系统因素影响。定长序列工作负载仍是衡量 kernel 与芯片性能的清晰基线；两种场景从不同角度回答同一硬件的性能问题。 进一步了解 AgentX →
在 Muse Spark Open 816B 的 64 tok/s/user 运行点，H100 的吞吐量为 1316 tok/s/chip，每百万 token 成本为 $0.25；MI355X 的吞吐量为 9281 tok/s/chip，每百万 token 成本为 $0.04。MI355X 的成本效率高出 450%；MI355X 的单芯片吞吐量高出 605%。
当 Muse Spark Open 816B 的目标交互性为 98 tok/s/user 时，H100 与 MI355X 的吞吐量分别为 1316 和 6145 tok/s/chip，每百万 token 成本分别为 $0.25 和 $0.07。MI355X 的成本效率高出 264%；MI355X 的单芯片吞吐量高出 367%。
以 132 tok/s/user 为目标运行 Muse Spark Open 816B 时，H100 的吞吐量为 1316 tok/s/chip，每百万 token 成本为 $0.25；MI355X 的吞吐量为 3442 tok/s/chip，每百万 token 成本为 $0.12。MI355X 的成本效率高出 104%；MI355X 的单芯片吞吐量高出 162%。 （以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置；在控件中切换序列长度、精度或模型后，下方表格和图表会同步更新。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | H100:1315.8MI355X:9281.4 | H100:1315.8MI355X:6145.3 | H100:1315.8MI355X:3442.1 |
| 成本（$/M tok） | H100:$0.247MI355X:$0.045 | H100:$0.247MI355X:$0.068 | H100:$0.247MI355X:$0.121 |
| tok/s/MW | H100:960474MI355X:4440846 | H100:960474MI355X:2940343 | H100:960474MI355X:1646938 |
| 并发数 | H100:~1MI355X:~16 | H100:~1MI355X:~11 | H100:~1MI355X:~2 |
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。
当前选择没有可绘制的测量数据。请检查上方的基准测试设置，或调整快捷筛选。
