DeepSeek V4.1 Flash 552B · 每美元性能

DeepSeek V4.1 Flash 552B — H200 与 Vera Rubin NVL72 每美元性能

对比 H200(NVIDIA Hopper)与 Vera Rubin NVL72(NVIDIA Vera Rubin)在 DeepSeek V4.1 Flash 552B 上的每百万 token 成本。该指标采用 Hyperscaler 自有设备 TCO 口径,并按总 token 数归一化,用于比较不同 LLM 工作负载下的每美元性能。可在任一目标交互性下找出成本更低的 SKU,并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 →

将 DeepSeek V4.1 Flash 552B 的目标交互性设为 221 tok/s/user 时,H200 的每百万 token 成本为 $0.033,Vera Rubin NVL72 为 $0.000;Vera Rubin NVL72 的成本低 99%。

在 DeepSeek V4.1 Flash 552B 的 262 tok/s/user 运行点,H200 的每百万 token 成本为 $0.054,Vera Rubin NVL72 为 $0.000;Vera Rubin NVL72 便宜 99%。

302 tok/s/user 接近 181–342 tok/s/user 交互性区间的上限。在这一运行点,H200 运行 DeepSeek V4.1 Flash 552B 的每百万 token 成本为 $0.059,Vera Rubin NVL72 为 $0.000;Vera Rubin NVL72 的成本低 99%。 (以上数据基于此 URL 对应的默认 agentic-traces · fp4 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。)

芯片价格(Hyperscaler 自有设备口径): H200 $1.22/chip/hr · Vera Rubin NVL72 $3.61/chip/hr. 来源: SemiAnalysis Market July 2026 Pricing Surveys & AI Cloud TCO Model.

查看完整延迟与吞吐量对比 →

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)
每百万 token 成本(美元)
H200$0.033Vera Rubin NVL72$0.000
H200$0.054Vera Rubin NVL72$0.000
H200$0.059Vera Rubin NVL72$0.000
并发数
H200~5Vera Rubin NVL72~12,898
H200~2Vera Rubin NVL72~11,485
H200~1Vera Rubin NVL72~11,316
DeepSeek V4.1 Flash 552B:H200 与 Vera Rubin NVL72 在相同交互性水平下的每百万 token 成本
H200 与 Vera Rubin NVL72 在此对比默认工作负载下的每百万 token 成本。成本越低表示每美元性能越高。
查看大图 ↗