DeepSeek V4.1 Flash 552B · 芯片对比
DeepSeek V4.1 Flash 552B — B300 与 Vera Rubin NVL72
对比 B300(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 →
344 tok/s/user 接近 181–833 tok/s/user 交互性区间的下限。在这一运行点,B300 运行 DeepSeek V4.1 Flash 552B 的吞吐量为 102,075 tok/s/chip,每百万 token 成本为 $0.006;Vera Rubin NVL72 的吞吐量为 2,107,103 tok/s/chip,每百万 token 成本为 $0.000。Vera Rubin NVL72 的每 token 成本低 92%;Vera Rubin NVL72 的单芯片吞吐量为对方的 21 倍。
将 DeepSeek V4.1 Flash 552B 的目标交互性设为 507 tok/s/user 时,B300 的吞吐量为 58,107 tok/s/chip,每百万 token 成本为 $0.011;Vera Rubin NVL72 的吞吐量为 1,296,940 tok/s/chip,每百万 token 成本为 $0.001。Vera Rubin NVL72 的每 token 成本低 93%;Vera Rubin NVL72 的单芯片吞吐量为对方的 22 倍。
当 DeepSeek V4.1 Flash 552B 的目标交互性为 670 tok/s/user 时,B300 的吞吐量为 24,640 tok/s/chip,每百万 token 成本为 $0.025;Vera Rubin NVL72 的吞吐量为 648,662 tok/s/chip,每百万 token 成本为 $0.002。Vera Rubin NVL72 的每 token 成本低 94%;Vera Rubin NVL72 的单芯片吞吐量为对方的 26 倍。 (以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | B300102,075Vera Rubin NVL722,107,103 | B30058,107Vera Rubin NVL721,296,940 | B30024,640Vera Rubin NVL72648,662 |
| 成本($/M tok) | B300$0.006Vera Rubin NVL72$0.000 | B300$0.011Vera Rubin NVL72$0.001 | B300$0.025Vera Rubin NVL72$0.002 |
| tok/s/MW | B30053,723,528Vera Rubin NVL72638,516,027 | B30030,582,615Vera Rubin NVL72393,012,244 | B30012,968,628Vera Rubin NVL72196,564,274 |
| 并发数 | B300~45Vera Rubin NVL72~11,236 | B300~28Vera Rubin NVL72~8,441 | B300~13Vera Rubin NVL72~3,414 |