DeepSeek V4.1 Flash 552B · 芯片对比

DeepSeek V4.1 Flash 552B — H100 与 Vera Rubin NVL72

对比 H100(NVIDIA Hopper)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 217 tok/s/user 时,H100 与 Vera Rubin NVL72 的吞吐量分别为 5,569 和 2,835,965 tok/s/chip,每百万 token 成本分别为 $0.058 和 $0.000。Vera Rubin NVL72 的每 token 成本低 99%;Vera Rubin NVL72 的单芯片吞吐量为对方的 509 倍。

以 252 tok/s/user 为目标运行 DeepSeek V4.1 Flash 552B 时,H100 的吞吐量为 4,305 tok/s/chip,每百万 token 成本为 $0.075;Vera Rubin NVL72 的吞吐量为 2,671,988 tok/s/chip,每百万 token 成本为 $0.000。Vera Rubin NVL72 的每 token 成本低 99.5%;Vera Rubin NVL72 的单芯片吞吐量为对方的 621 倍。

288 tok/s/user 接近 181–323 tok/s/user 交互性区间的上限。在这一运行点,H100 运行 DeepSeek V4.1 Flash 552B 的吞吐量为 2,910 tok/s/chip,每百万 token 成本为 $0.11;Vera Rubin NVL72 的吞吐量为 2,473,533 tok/s/chip,每百万 token 成本为 $0.000。Vera Rubin NVL72 的每 token 成本低 99.6%;Vera Rubin NVL72 的单芯片吞吐量为对方的 850 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)
H1005,569Vera Rubin NVL722,835,965
H1004,305Vera Rubin NVL722,671,988
H1002,910Vera Rubin NVL722,473,533
成本($/M tok)
H100$0.058Vera Rubin NVL72$0.000
H100$0.075Vera Rubin NVL72$0.000
H100$0.11Vera Rubin NVL72$0.000
tok/s/MW
H1004,064,621Vera Rubin NVL72859,383,367
H1003,142,395Vera Rubin NVL72809,693,203
H1002,123,826Vera Rubin NVL72749,555,572
并发数
H100~6Vera Rubin NVL72~13,145
H100~4Vera Rubin NVL72~11,604
H100~2Vera Rubin NVL72~11,359