Artificial Analysis 發佈新基準 AA-AgentPerf，首批結果覆蓋 DeepSeek V4 Pro 在 NVIDIA Blackwell（GB300、B300）、Hopper（H200）及 AMD MI355X 上的推理能效。核心指標為每兆瓦承載的併發AI 代理數（要求 20 tokens/s 且 TTFT≤10s）：GB300（機架級解耦）達 61，354，B300（單節點解耦）21，053，MI355X 3，
Artificial Analysis 發佈新基準 AA-AgentPerf，首批結果覆蓋 DeepSeek V4 Pro 在 NVIDIA Blackwell（GB300、B300）、Hopper（H200）及 AMD MI355X 上的推理能效。核心指標為每兆瓦承載的併發AI 代理數（要求 20 tokens/s 且 TTFT≤10s）：GB300（機架級解耦）達 61，354，B300（單節點解耦）21，053，MI355X 3，551，H200 2，594。基準使用真實編碼 agent 軌跡（最多 200 輪、序列超 100K tokens），允許 KV cache 複用、推測解碼等生產優化並驗證精度。測試顯示 Blackwell 機架級比單節點能效高約 3 倍，且代際大幅領先 Hopper；MI355X 配置較早且未穩定啟用推測解碼，仍有優化空間。
AIHot 在近 24 小時資料流中收錄了這則來自 X：Artificial Analysis (@ArtificialAnlys) 的消息。原始條目的重點是：Artificial Analysis 發佈新基準 AA-AgentPerf，首批結果覆蓋 DeepSeek V4 Pro 在 NVIDIA Blackwell（GB300、B300）、Hopper（H200）及 AMD MI355X 上的推理能效。核心指標為每兆瓦承載的併發AI 代理數（要求 20 tokens/s 且 TTFT≤10s）：GB300（機架級解耦）達 61，354，B300（單節點解耦）21，053，MI355X 3，551，H200 2，594。基準使用真實編碼 agent 軌跡（最多 200 輪、序列超 100K tokens），允許 KV cache 複用、推測解碼等生產優化並驗證精度。測試顯示 Blackwell 機架級比單節點能效高約 3 倍，且代際大幅領先 Hopper；MI355X 配置較早且未穩定啟用推測解碼，仍有優化空間。。本站不直接複製原文，而是將它整理成可供工作室決策使用的觀測紀錄。
這篇觀測文保留來源脈絡：來源站名為 X：Artificial Analysis (@ArtificialAnlys)，來源網域為 x.com。若原始內容含圖片、影片或社群串文，本站只提供入口，不重製未授權媒體。
它和 Agent 工作流直接相關，可能影響白總、BUILD-SITE、BUILD-SYSTEM 或 Codex 類任務的協作方式。下一步不應只收藏連結，而要看是否能降低切換成本、提高驗收品質，或補上安全審查。
先閱讀原始貼文或影片脈絡，確認是否有 demo、截圖或實際連結；可轉成社群短評，但不直接當成已驗證事實。
