DeepSeek V4.1 Flash 552B · 芯片对比
DeepSeek V4.1 Flash 552B — H200 与 Vera Rubin NVL72
对比 H200(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 →
在 DeepSeek V4.1 Flash 552B 的 221 tok/s/user 运行点,H200 的吞吐量为 10,388 tok/s/chip,每百万 token 成本为 $0.033;Vera Rubin NVL72 的吞吐量为 2,818,035 tok/s/chip,每百万 token 成本为 $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 271 倍。
当 DeepSeek V4.1 Flash 552B 的目标交互性为 262 tok/s/user 时,H200 与 Vera Rubin NVL72 的吞吐量分别为 6,278 和 2,621,324 tok/s/chip,每百万 token 成本分别为 $0.054 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 418 倍。
以 302 tok/s/user 为目标运行 DeepSeek V4.1 Flash 552B 时,H200 的吞吐量为 5,746 tok/s/chip,每百万 token 成本为 $0.059;Vera Rubin NVL72 的吞吐量为 2,385,872 tok/s/chip,每百万 token 成本为 $0.000。Vera Rubin NVL72 的每 token 成本低 99%;Vera Rubin NVL72 的单芯片吞吐量为对方的 415 倍。 (以上数据基于此 URL 对应的默认 agentic-traces · fp4 配置;在控件中切换序列长度、精度或模型后,下方表格和图表会同步更新。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | H20010,388Vera Rubin NVL722,818,035 | H2006,278Vera Rubin NVL722,621,324 | H2005,746Vera Rubin NVL722,385,872 |
| 成本($/M tok) | H200$0.033Vera Rubin NVL72$0.000 | H200$0.054Vera Rubin NVL72$0.000 | H200$0.059Vera Rubin NVL72$0.000 |
| tok/s/MW | H2007,582,359Vera Rubin NVL72853,950,130 | H2004,582,764Vera Rubin NVL72794,340,588 | H2004,194,222Vera Rubin NVL72722,991,659 |
| 并发数 | H200~5Vera Rubin NVL72~12,898 | H200~2Vera Rubin NVL72~11,485 | H200~1Vera Rubin NVL72~11,316 |