Qwen 3.5 397B-A17B · 芯片对比
Qwen 3.5 397B-A17B — GB300 NVL72 与 MI325X
对比 GB300 NVL72(NVIDIA Blackwell)与 MI325X(AMD CDNA 3)在 Qwen 3.5 397B-A17B 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 →
当 Qwen 3.5 397B-A17B 的目标交互性为 146 tok/s/user 时,GB300 NVL72 的吞吐量为 58,116 tok/s/chip,每百万 token 成本为 $0.011;MI325X 的吞吐量为 5,718 tok/s/chip,每百万 token 成本为 $0.053。GB300 NVL72 的每 token 成本低 79%;GB300 NVL72 的单芯片吞吐量为对方的 10 倍。
在 Qwen 3.5 397B-A17B 的 291 tok/s/user 运行点,GB300 NVL72 的吞吐量为 24,563 tok/s/chip,每百万 token 成本为 $0.026;MI325X 的吞吐量为 5,718 tok/s/chip,每百万 token 成本为 $0.053。GB300 NVL72 的每 token 成本低 51%;GB300 NVL72 的单芯片吞吐量为对方的 4.3 倍。
当 Qwen 3.5 397B-A17B 的目标交互性为 436 tok/s/user 时,GB300 NVL72 与 MI325X 的吞吐量分别为 13,914 和 5,718 tok/s/chip,每百万 token 成本分别为 $0.046 和 $0.053。GB300 NVL72 的每 token 成本低 14%;GB300 NVL72 的单芯片吞吐量高出 143%。 (以上数据基于此 URL 对应的默认 agentic-traces · fp8 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | GB300 NVL7258,116MI325X5,718 | GB300 NVL7224,563MI325X5,718 | GB300 NVL7213,914MI325X5,718 |
| 成本($/M tok) | GB300 NVL72$0.011MI325X$0.053 | GB300 NVL72$0.026MI325X$0.053 | GB300 NVL72$0.046MI325X$0.053 |
| tok/s/MW | GB300 NVL7227,413,165MI325X3,383,379 | GB300 NVL7211,586,311MI325X3,383,379 | GB300 NVL726,563,126MI325X3,383,379 |
| 并发数 | GB300 NVL72~370MI325X~12 | GB300 NVL72~112MI325X~12 | GB300 NVL72~53MI325X~12 |