$SNDK HBF menunjukkan bahwa bandwidth-nya sebanding dengan 12,8 TB/s milik HBM. Selain itu, setiap GPU dapat menyediakan memori 4 TB, sedangkan HBM hanya 192 GB—hal ini sangat memperluas kapasitas memori untuk inferensi. Dalam pengujian internal Qwen3, sebuah GPU HBF menangani beban kerja yang seharusnya memerlukan delapan GPU HBM untuk menyelesaikannya, dan keluaran empat GPU HBF sama dengan keluaran delapan GPU. Ini berarti efisiensi belanja modal sekitar ~8 kali dan efisiensi GPU sekitar ~2 kali. Jika performa seperti ini dapat dipertahankan secara besar-besaran, maka HBF dapat mengurangi jumlah GPU yang dibutuhkan untuk inferensi, dan memindahkan NAND ke tumpukan memori AI pada lapisan yang bernilai lebih tinggi.