DeepSeek V4.1 Flash 552B · 芯片对比

DeepSeek V4.1 Flash 552B — GB300 NVL72 与 Vera Rubin NVL72

对比 GB300 NVL72(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 →

当 DeepSeek V4.1 Flash 552B 的目标交互性为 567 tok/s/user 时,GB300 NVL72 与 Vera Rubin NVL72 的吞吐量分别为 52,284 和 1,078,245 tok/s/chip,每百万 token 成本分别为 $0.012 和 $0.001。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。

以 952 tok/s/user 为目标运行 DeepSeek V4.1 Flash 552B 时,GB300 NVL72 的吞吐量为 8,108 tok/s/chip,每百万 token 成本为 $0.079;Vera Rubin NVL72 的吞吐量为 128,998 tok/s/chip,每百万 token 成本为 $0.008。Vera Rubin NVL72 的每 token 成本低 90%;Vera Rubin NVL72 的单芯片吞吐量为对方的 16 倍。

1338 tok/s/user 接近 181–1724 tok/s/user 交互性区间的上限。在这一运行点,GB300 NVL72 运行 DeepSeek V4.1 Flash 552B 的吞吐量为 4,448 tok/s/chip,每百万 token 成本为 $0.14;Vera Rubin NVL72 的吞吐量为 51,010 tok/s/chip,每百万 token 成本为 $0.020。Vera Rubin NVL72 的每 token 成本低 86%;Vera Rubin NVL72 的单芯片吞吐量为对方的 11 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。)

查看每美元性能对比 →

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)
GB300 NVL7252,284Vera Rubin NVL721,078,245
GB300 NVL728,108Vera Rubin NVL72128,998
GB300 NVL724,448Vera Rubin NVL7251,010
成本($/M tok)
GB300 NVL72$0.012Vera Rubin NVL72$0.001
GB300 NVL72$0.079Vera Rubin NVL72$0.008
GB300 NVL72$0.14Vera Rubin NVL72$0.020
tok/s/MW
GB300 NVL7224,662,049Vera Rubin NVL72326,741,042
GB300 NVL723,824,625Vera Rubin NVL7239,090,309
GB300 NVL722,098,063Vera Rubin NVL7215,457,720
并发数
GB300 NVL72~25Vera Rubin NVL72~6,459
GB300 NVL72~1Vera Rubin NVL72~276
GB300 NVL72~1Vera Rubin NVL72~157