Qwen 3.5 397B-A17B — GB200 NVL72 vs MI300X
GB200 NVL72（NVIDIA Blackwell）与 MI300X（AMD CDNA 3）在 Qwen 3.5 397B-A17B 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。
在 36–66 tok/s/user 交互性区间的低端，即 Qwen 3.5 397B-A17B 上以 43 tok/s/user 运行时：GB200 NVL72 达到 12698 tok/s/Chip（$0.04/百万 token），MI300X 达到 765（$0.34/百万）。GB200 NVL72 每 token 成本低 747%；GB200 NVL72 每 Chip 吞吐量高出 1559%。
以 51 tok/s/user 为目标在 Qwen 3.5 397B-A17B 上运行时，GB200 NVL72 产出 12313 tok/s/Chip（每百万 token $0.04），MI300X 产出 560（$0.47）。GB200 NVL72 每 token 成本低 1024%；GB200 NVL72 每 Chip 吞吐量高出 2101%。
在 Qwen 3.5 397B-A17B 上以 59 tok/s/user 交互性运行时，GB200 NVL72 吞吐量为 11730 tok/s/Chip，每百万 token 成本 $0.04；MI300X 吞吐量为 394 tok/s/Chip，成本 $0.67。GB200 NVL72 每 token 成本低 1421%；GB200 NVL72 每 Chip 吞吐量高出 2879%。 （数据反映此 URL 的默认 8k/1k · fp8 选择——如果您在控件中更改序列、精度或模型，下方表格和图表会自动更新。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | GB200 NVL72:12697.9MI300X:765.3 | GB200 NVL72:12313.4MI300X:559.5 | GB200 NVL72:11730.0MI300X:393.8 |
| Cost ($/M tok) | GB200 NVL72:$0.041MI300X:$0.345 | GB200 NVL72:$0.042MI300X:$0.472 | GB200 NVL72:$0.044MI300X:$0.670 |
| tok/s/MW | GB200 NVL72:6790311MI300X:550571 | GB200 NVL72:6584710MI300X:402536 | GB200 NVL72:6272718MI300X:283284 |
| Concurrency | GB200 NVL72:~2304MI300X:~17 | GB200 NVL72:~1975MI300X:~11 | GB200 NVL72:~1447MI300X:~6 |
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。