SemiAnalysis schrieb am 13. September, dass AMD sein eigenes DeepSeek-V4.1-Flash-Image erst zwei Tage nach vLLM auf der CUDA-Seite veröffentlichte. Das Image selbst läuft sofort out of the box, ohne fehlende Funktionen. Der Unterschied liegt beim Preis-Leistungs-Verhältnis: Nach Berechnung des Analysehauses liefert dasselbe Modell auf AMD-Hardware eine bis zu 14,8-mal schlechtere Preis-Leistung als auf H200 und bis zu 42-mal schlechtere als auf B200 und B300.
Als Erklärung nennt SemiAnalysis das Ökosystem. Die Zusammenarbeit von Nvidia mit seiner Entwicklergemeinschaft sorgt dafür, dass der CUDA-Pfad schon am ersten Tag nach Modellveröffentlichung optimiert ist; das Analysehaus beziffert die Entwicklergemeinschaft auf 6 Millionen.
Woher die Zwei-Tage-Lücke kommt
In den ersten Tagen nach dem Start eines neuen Modells konzentriert sich die Arbeit auf der Inferenzseite auf die Anpassung von Operatoren, die Wahl des Quantisierungspfads und das Feintuning des Schedulers. Die Kernentwicklung von Inferenz-Frameworks wie vLLM und SGLang dreht sich seit Langem um CUDA, und auch die Referenzimplementierungen der Modellhersteller selbst laufen meist zuerst auf CUDA. AMD muss warten, bis der Hauptzweig zusammengeführt ist, bevor eine weitere Runde Portierung und Verifizierung folgt – die Zwei-Tage-Differenz ist das übliche Ergebnis dieser Kette.
DeepSeek V4.1 Flash ist eine Modellgeneration, die Anfang September in den internen Test ging und anschließend offiziell veröffentlicht wurde, mit einer Struktur, die sich von früheren Generationen unterscheidet. Je größer die strukturellen Änderungen, desto höher die Portierungskosten – und desto größer die Leistungslücke am ersten Tag.
Dieselbe Größenordnung wurde schon vor drei Wochen gemessen
Drei Wochen zuvor, am 24. August, hatte SemiAnalysis bereits einen Benchmark namens AgentX 1.0 veröffentlicht, der speziell Agenten-Inferenz mit langem Kontext misst. Der Test nutzte 393 anonymisierte Claude-Code-Aufrufspuren mit einem Kontext von über einer Million Tokens, setzte über 1.000 Karten mit rund 2 Megawatt Leistungsaufnahme ein und gab ein Budget von über 3 Millionen US-Dollar an.
Die damaligen Ergebnisse unterschieden sich je nach Modell: Bei Qwen3.5 auf SGLang war Nvidia bei 90 Tok/s pro Nutzer mehr als 20-mal besser als AMD; bei GLM 5.3 lag Nvidias Kosteneffizienz bei 150 Tok/s pro Nutzer etwa 5-mal höher; der FP4-Pfad von B300 verbesserte die Preis-Leistung gegenüber H100 um das 12-Fache. Im selben Dokument stand ein noch unangenehmerer Satz: Bei Alibaba insgesamt nutze nur eine kleine Werbeeinheit den ATOM-Stack von AMD.
Das 5- bis 20-Fache von vor drei Wochen und das diesmalige 14,8- bis 42-Fache liegen in derselben Größenordnung. Der Unterschied: AgentX maß ein Modell, das bereits eine Weile stabil lief, während diesmal ein neues Modell in seinen ersten zwei Tagen getestet wurde – die Lücke in der Kaltstartphase fällt dadurch noch größer aus.
Die Hardware selbst ist nicht der Engpass
Die Papierwerte der MI355X sind keineswegs unterlegen. In seinem Bericht vom August hatte SemiAnalysis bereits festgestellt: Bei manchen Stufen würde AMDs Chip selbst geschenkt nach Kosten pro Token nicht gewinnen – bis vLLM und SGLang aufholen. Nach dem 21. August überholte B200 dank einer Reihe von Optimierungen von Inferact und Nvidia in vLLM die MI355X bei der Preis-Leistung.
Für Käufer von Karten heißt das: Die entscheidende Variable bei Beschaffungsentscheidungen hat sich von der Spitzenrechenleistung zur Reife des Software-Stacks und zur Verzögerung bei der Anpassung an neue Modelle verschoben. Will ein Inferenzanbieter am Tag der Veröffentlichung eines neuen Modells live gehen, bedeutet AMDs Zwei-Tage-Lücke zwei Tage entgangenen Umsatz.
Wo bei den Zahlen Vorsicht geboten ist
Sowohl die 14,8-fache als auch die 42-fache Differenz stammen einseitig von SemiAnalysis; AMD hat sich nicht dazu geäußert, und es gibt keine unabhängige Reproduktion durch Dritte. Die Kennzahl Preis-Leistung reagiert extrem empfindlich auf Annahmen zum Kartenpreis – die Marktpreisdifferenz zwischen einer gebrauchten H200 und einer neuen B300 kann den Faktor in jede Richtung verschieben. Frühere Benchmark-Berichte des Hauses legten Testmethode und Kostenmodell offen, dem aktuellen Beitrag fehlt jedoch eine vollständige Methodenbeschreibung.
AMDs Software-Stack holt seit zwei Jahren kontinuierlich auf. Ob das Aufholtempo mit Nvidias Optimierungsinvestitionen für jede neue Hardwaregeneration mithalten kann, zeigt sich beim nächsten Modell mit größeren Strukturänderungen daran, wie viele Tage die Images beider Seiten dann noch auseinanderliegen.
Quellen: SemiAnalysis, CocoLoop, öffentliche Aufzeichnungen des vLLM-Projekts; die Preis-Leistungs-Faktoren und die Rechenleistungsangaben des AgentX-Benchmarks folgen durchgehend den eigenen Angaben von SemiAnalysis und wurden nicht von Dritten reproduziert.