DeepSeek V4 Pro 0813 1.6T · 芯片对比

DeepSeek V4 Pro 0813 1.6T — GB200 NVL72 与 GB300 NVL72

对比 GB200 NVL72(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 →

113 tok/s/user 接近 56–287 tok/s/user 交互性区间的下限。在这一运行点,GB200 NVL72 运行 DeepSeek V4 Pro 0813 1.6T 的吞吐量为 30,877 tok/s/chip,每百万 token 成本为 $0.017;GB300 NVL72 的吞吐量为 75,229 tok/s/chip,每百万 token 成本为 $0.009。GB300 NVL72 的每 token 成本低 49%;GB300 NVL72 的单芯片吞吐量高出 144%。

将 DeepSeek V4 Pro 0813 1.6T 的目标交互性设为 171 tok/s/user 时,GB200 NVL72 的吞吐量为 12,467 tok/s/chip,每百万 token 成本为 $0.041;GB300 NVL72 的吞吐量为 20,188 tok/s/chip,每百万 token 成本为 $0.032。GB300 NVL72 的每 token 成本低 23%;GB300 NVL72 的单芯片吞吐量高出 62%。

当 DeepSeek V4 Pro 0813 1.6T 的目标交互性为 229 tok/s/user 时,GB200 NVL72 的吞吐量为 4,622 tok/s/chip,每百万 token 成本为 $0.11;GB300 NVL72 的吞吐量为 6,263 tok/s/chip,每百万 token 成本为 $0.10。GB300 NVL72 的每 token 成本低 8%;GB300 NVL72 的单芯片吞吐量高出 36%。 (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。)

查看每美元性能对比 →

GB300 NVL72 vs GB200 NVL72:完整规格与各模型基准测试 →

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)
GB200 NVL7230,877GB300 NVL7275,229
GB200 NVL7212,467GB300 NVL7220,188
GB200 NVL724,622GB300 NVL726,263
成本($/M tok)
GB200 NVL72$0.017GB300 NVL72$0.009
GB200 NVL72$0.041GB300 NVL72$0.032
GB200 NVL72$0.11GB300 NVL72$0.10
tok/s/MW
GB200 NVL7216,511,700GB300 NVL7235,485,228
GB200 NVL726,666,914GB300 NVL729,522,504
GB200 NVL722,471,559GB300 NVL722,954,317
并发数
GB200 NVL72~198GB300 NVL72~355
GB200 NVL72~41GB300 NVL72~71
GB200 NVL72~6GB300 NVL72~2