DeepSeek V4 Pro 0813 1.6T · 芯片对比
DeepSeek V4 Pro 0813 1.6T — B200 与 GB200 NVL72
对比 B200(NVIDIA Blackwell)与 GB200 NVL72(NVIDIA Blackwell)在 DeepSeek V4 Pro 0813 1.6T 上的 AI 推理基准测试结果,涵盖不同 LLM 工作负载下的延迟、吞吐量和成本。可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 Pro 0813 1.6T 的目标交互性设为 113 tok/s/user 时,B200 的吞吐量为 32,529 tok/s/chip,每百万 token 成本为 $0.015;GB200 NVL72 的吞吐量为 30,877 tok/s/chip,每百万 token 成本为 $0.017。B200 的每 token 成本低 12%;B200 的单芯片吞吐量高出 5%。
当 DeepSeek V4 Pro 0813 1.6T 的目标交互性为 171 tok/s/user 时,B200 的吞吐量为 12,490 tok/s/chip,每百万 token 成本为 $0.038;GB200 NVL72 的吞吐量为 12,467 tok/s/chip,每百万 token 成本为 $0.041。B200 的每 token 成本低 7%;单芯片吞吐量基本持平。
在 DeepSeek V4 Pro 0813 1.6T 的 229 tok/s/user 运行点,B200 的吞吐量为 4,047 tok/s/chip,每百万 token 成本为 $0.12;GB200 NVL72 的吞吐量为 4,622 tok/s/chip,每百万 token 成本为 $0.11。GB200 NVL72 的每 token 成本低 6%;GB200 NVL72 的单芯片吞吐量高出 14%。 (以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | B20032,529GB200 NVL7230,877 | B20012,490GB200 NVL7212,467 | B2004,047GB200 NVL724,622 |
| 成本($/M tok) | B200$0.015GB200 NVL72$0.017 | B200$0.038GB200 NVL72$0.041 | B200$0.12GB200 NVL72$0.11 |
| tok/s/MW | B20019,022,869GB200 NVL7216,511,700 | B2007,303,940GB200 NVL726,666,914 | B2002,366,715GB200 NVL722,471,559 |
| 并发数 | B200~95GB200 NVL72~198 | B200~19GB200 NVL72~41 | B200~4GB200 NVL72~6 |