DeepSeek V4 Pro 0813 1.6T · 芯片对比
DeepSeek V4 Pro 0813 1.6T — B200 与 GB300 NVL72
对比 B200(NVIDIA Blackwell)与 GB300 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 →
当 DeepSeek V4 Pro 0813 1.6T 的目标交互性为 102 tok/s/user 时,B200 与 GB300 NVL72 的吞吐量分别为 39,229 和 85,648 tok/s/chip,每百万 token 成本分别为 $0.012 和 $0.007。GB300 NVL72 的每 token 成本低 39%;GB300 NVL72 的单芯片吞吐量高出 118%。
以 166 tok/s/user 为目标运行 DeepSeek V4 Pro 0813 1.6T 时,B200 的吞吐量为 13,414 tok/s/chip,每百万 token 成本为 $0.036;GB300 NVL72 的吞吐量为 23,405 tok/s/chip,每百万 token 成本为 $0.027。GB300 NVL72 的每 token 成本低 23%;GB300 NVL72 的单芯片吞吐量高出 74%。
231 tok/s/user 接近 38–294 tok/s/user 交互性区间的上限。在这一运行点,B200 运行 DeepSeek V4 Pro 0813 1.6T 的吞吐量为 4,040 tok/s/chip,每百万 token 成本为 $0.12;GB300 NVL72 的吞吐量为 6,162 tok/s/chip,每百万 token 成本为 $0.10。GB300 NVL72 的每 token 成本低 12%;GB300 NVL72 的单芯片吞吐量高出 53%。 (以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | B20039,229GB300 NVL7285,648 | B20013,414GB300 NVL7223,405 | B2004,040GB300 NVL726,162 |
| 成本($/M tok) | B200$0.012GB300 NVL72$0.007 | B200$0.036GB300 NVL72$0.027 | B200$0.12GB300 NVL72$0.10 |
| tok/s/MW | B20022,940,845GB300 NVL7240,399,857 | B2007,844,728GB300 NVL7211,039,976 | B2002,362,386GB300 NVL722,906,667 |
| 并发数 | B200~139GB300 NVL72~440 | B200~21GB300 NVL72~88 | B200~4GB300 NVL72~2 |