Dans un message publié le 13 septembre, SemiAnalysis affirme qu'AMD n'a publié sa propre image de DeepSeek V4.1 Flash que deux jours après que vLLM, côté CUDA, a commencé à prendre en charge ce modèle. L'image elle-même fonctionne directement, sans fonctionnalité manquante. L'écart se situe dans le rapport performance-prix : selon les calculs du cabinet, le même modèle exécuté sur du matériel AMD affiche un rapport performance-prix jusqu'à 14,8 fois moins bon que sur H200, et jusqu'à 42 fois moins bon que sur B200 et B300.
L'explication avancée par SemiAnalysis tient à l'écosystème. La collaboration de Nvidia avec sa communauté de développeurs permet à la voie CUDA d'être optimisée dès le premier jour du lancement d'un modèle ; le cabinet chiffre cette communauté à 6 millions de développeurs.
D'où vient cet écart de deux jours
Dans les premiers jours suivant le lancement d'un nouveau modèle, le travail côté inférence se concentre sur l'adaptation des opérateurs, le choix de la voie de quantification et le réglage de l'ordonnanceur. Le développement central de frameworks d'inférence comme vLLM et SGLang gravite depuis longtemps autour de CUDA, et les implémentations de référence réalisées par les fabricants de modèles eux-mêmes tournent aussi le plus souvent d'abord sous CUDA. Côté AMD, il faut attendre la fusion dans la branche principale avant de procéder à un nouveau cycle de portage et de validation : cet écart de deux jours est le résultat habituel de cette chaîne.
DeepSeek V4.1 Flash est une génération de modèle entrée en test interne début septembre avant d'être officiellement lancée, avec une structure différente des générations précédentes. Plus le changement structurel est important, plus le coût de portage augmente, et plus l'écart de performance se creuse dès le premier jour.
Le même ordre de grandeur avait déjà été mesuré trois semaines plus tôt
En remontant trois semaines, SemiAnalysis avait publié le 24 août un benchmark baptisé AgentX 1.0, dédié à l'inférence d'agents à contexte long. Ce test s'appuyait sur 393 traces anonymisées d'appels Claude Code, avec un contexte dépassant 1 million de tokens, mobilisant plus de 1 000 cartes pour une consommation d'environ 2 mégawatts, pour un budget annoncé à plus de 3 millions de dollars.
Les conclusions de l'époque variaient selon le modèle : avec Qwen3.5 sur SGLang, au palier de 90 tok/s par utilisateur, Nvidia devançait AMD de plus de 20 fois ; avec GLM 5.3, au palier de 150 tok/s par utilisateur, l'efficacité de coût de Nvidia était environ 5 fois supérieure ; la voie FP4 de la B300 améliorait le rapport performance-prix de 12 fois par rapport à la H100. Le même document contenait une phrase encore plus gênante : chez Alibaba, une seule petite unité publicitaire utilisait la pile ATOM d'AMD.
L'écart de 5 à 20 fois observé il y a trois semaines et celui de 14,8 à 42 fois observé cette fois-ci sont du même ordre de grandeur. La différence est qu'AgentX mesurait un modèle déjà stable depuis un certain temps, alors que cette fois le test portait sur un modèle nouveau, dans ses deux premiers jours de mise en ligne, ce qui accentue encore l'écart lié à la phase de démarrage à froid.
Le matériel lui-même n'est pas le goulot d'étranglement
Les spécifications théoriques de la MI355X ne sont pas en retrait. Dans son document d'août, SemiAnalysis avait déjà avancé l'idée que, à certains paliers, même en offrant gratuitement la puce AMD, celle-ci ne l'emporterait pas en coût par token, tant que vLLM et SGLang n'auraient pas rattrapé leur retard. Après le 21 août, grâce à une série d'optimisations apportées par Inferact et Nvidia sur vLLM, le rapport performance-prix de la B200 a dépassé celui de la MI355X.
Pour les acheteurs de cartes, la lecture de ces chiffres est la suivante : la variable décisive dans les décisions d'achat est passée de la performance de pointe à la maturité de la pile logicielle et au délai d'adaptation aux nouveaux modèles. Pour un fournisseur d'inférence qui doit être opérationnel le jour même du lancement d'un nouveau modèle, l'écart de deux jours d'AMD équivaut à deux jours de chiffre d'affaires perdu.
Les points à considérer avec prudence
Les facteurs de 14,8 et de 42 sont des données unilatérales de SemiAnalysis ; AMD n'a pas réagi, et aucune reproduction indépendante par un tiers n'a eu lieu. L'indicateur de performance par dollar est extrêmement sensible aux hypothèses de prix des cartes : l'écart de prix de marché entre une H200 d'occasion et une B300 neuve peut faire varier ce facteur dans n'importe quel sens. Les précédents rapports de benchmark du cabinet avaient rendu publiques leur méthodologie de test et leur modèle de coûts, mais cette publication ne s'accompagne pas d'une description méthodologique complète.
La pile logicielle d'AMD est en phase de rattrapage depuis deux ans. Reste à savoir si ce rythme parviendra à dépasser l'investissement de Nvidia dans l'optimisation à chaque nouvelle génération de matériel : la réponse viendra au prochain lancement d'un modèle à changement structurel majeur, selon le nombre de jours qui séparera alors les images des deux camps.
Sources : SemiAnalysis, CocoLoop, documentation publique du projet vLLM ; les facteurs de performance par dollar et l'ampleur de la puissance de calcul du benchmark AgentX sont rapportés tels que déclarés par SemiAnalysis elle-même, sans reproduction par un tiers.