DeepSeek V4.1 Flash 552B · 芯片对比
DeepSeek V4.1 Flash 552B — B200 与 Vera Rubin NVL72
对比 B200(NVIDIA Blackwell)与 Vera Rubin NVL72(NVIDIA Vera Rubin)在 DeepSeek V4.1 Flash 552B 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 →
以 310 tok/s/user 为目标运行 DeepSeek V4.1 Flash 552B 时,B200 的吞吐量为 69,185 tok/s/chip,每百万 token 成本为 $0.007;Vera Rubin NVL72 的吞吐量为 2,334,036 tok/s/chip,每百万 token 成本为 $0.000。Vera Rubin NVL72 的每 token 成本低 94%;Vera Rubin NVL72 的单芯片吞吐量为对方的 34 倍。
440 tok/s/user 位于 181–699 tok/s/user 交互性区间的中段。在这一运行点,B200 运行 DeepSeek V4.1 Flash 552B 的吞吐量为 29,027 tok/s/chip,每百万 token 成本为 $0.017;Vera Rubin NVL72 的吞吐量为 1,560,612 tok/s/chip,每百万 token 成本为 $0.001。Vera Rubin NVL72 的每 token 成本低 96%;Vera Rubin NVL72 的单芯片吞吐量为对方的 54 倍。
将 DeepSeek V4.1 Flash 552B 的目标交互性设为 570 tok/s/user 时,B200 的吞吐量为 10,537 tok/s/chip,每百万 token 成本为 $0.046;Vera Rubin NVL72 的吞吐量为 1,066,719 tok/s/chip,每百万 token 成本为 $0.001。Vera Rubin NVL72 的每 token 成本低 98%;Vera Rubin NVL72 的单芯片吞吐量为对方的 101 倍。 (以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | B20069,185Vera Rubin NVL722,334,036 | B20029,027Vera Rubin NVL721,560,612 | B20010,537Vera Rubin NVL721,066,719 |
| 成本($/M tok) | B200$0.007Vera Rubin NVL72$0.000 | B200$0.017Vera Rubin NVL72$0.001 | B200$0.046Vera Rubin NVL72$0.001 |
| tok/s/MW | B20040,459,338Vera Rubin NVL72707,283,605 | B20016,974,824Vera Rubin NVL72472,912,651 | B2006,162,128Vera Rubin NVL72323,248,178 |
| 并发数 | B200~37Vera Rubin NVL72~11,297 | B200~16Vera Rubin NVL72~10,580 | B200~4Vera Rubin NVL72~6,376 |