英偉達在今日舉行的 NVIDIA GTC 2025 上宣布其 NVIDIA Blackwell DGX 系統(tǒng)創(chuàng)下 DeepSeek-R1 大模型推理性能的世界紀錄。
據(jù)介紹，在搭載了八塊 Blackwell GPU 的單個 DGX 系統(tǒng)上運行 6710 億參數(shù)的滿血 DeepSeek-R1 模型可實現(xiàn)每用戶每秒超 250 token 的響應速度，系統(tǒng)最高吞吐量突破每秒 3 萬 token。
英偉達表示，隨著 NVIDIA 平臺繼續(xù)在最新的 Blackwell Ultra GPU 和 Blackwell GPU 上突破推理極限，其性能將會繼續(xù)不斷提高。
▲ 運行 TensorRT-LLM 軟件的 NVL8 配置的 NVIDIA B200 GPU
單節(jié)點配置：DGX B200（8 塊 GPU）與 DGX H200（8 塊 GPU）
測試參數(shù)：最新測試采用 TensorRT-LLM 內部版本，輸入 1024 token / 輸出 2048 token；此前測試為輸入 / 輸出各 1024 token；并發(fā)
計算精度：B200 采用 FP4，H200 采用 FP8 精度
英偉達表示，通過硬件和軟件的結合，他們自 2025 年 1 月以來成功將 DeepSeek-R1 671B 模型的吞吐量提高了約 36 倍。
節(jié)點配置：DGX B200（8 塊 GPU）、DGX H200（8 塊 GPU）、兩個 DGX H100（8 塊 GPU）系統(tǒng)
測試參數(shù)：依然采用 TensorRT-LLM 內部版本，輸入 1024 token / 輸出 2048 token；此前測試為輸入 / 輸出各 1024 token；并發(fā)性 MAX
計算精度：B200 采用 FP4，H100 / H200 采用 FP8 精度
與 Hopper 架構相比，Blackwell 架構與 TensorRT 軟件相結合可實現(xiàn)顯著的推理性能提升。
英偉達表示，包括 DeepSeek-R1、Llama 3.1 405B 和 Llama 3.3 70B，運行 TensorRT 軟件并使用 FP4 精度的 DGX B200 平臺與 DGX H200 平臺相比已經(jīng)提供了 3 倍以上的推理吞吐量提升。
| 精度 | MMLU | GSM8K | AIME 2024 | GPQA Diamond | MATH-500 |
| DeepSeek R1-FP8 | 90.8% | 96.3% | 80.0% | 69.7% | 95.4% |
| DeepSeek R1-FP4 | 90.7% | 96.1% | 80.0% | 69.2% | 94.2% |
英偉達表示，在對模型進行量化以利用低精度計算優(yōu)勢時，確保精度損失最小化是生產(chǎn)部署的關鍵。IT之家注意到，在 DeepSeek-R1 模型上，相較于 FP8 基準精度，TensorRT Model Optimizer 的 FP4 訓練后量化（PTQ）技術在不同數(shù)據(jù)集上僅產(chǎn)生微乎其微的精度損失。 
