vLLM 复盘 GB300 上服务 DeepSeek-V4.1-Flash 性能
热点事件观察中
vLLM 复盘 GB300 上服务 DeepSeek-V4.1-Flash 性能
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
vLLM 团队发布性能复盘：在一台 NVIDIA GB300 NVL72 上，用 P/D 分离和 Wide-EP 服务 DeepSeek-V4.1-Flash，在 SemiAnalysis AgentX 基准上达到每 GPU 954K tokens/s、P90 每用户 196 tokens/s，是此前单节点结果的 7.9 倍，成本为 $38.96 每 GPU 小时（按 DeepSeek 非高峰价格计算）。 团队称，通用引擎 vLLM 的表现已能追平模型专用的 DeepInfer，并将结果从单节点扩展到 GB300 NVL72。
AI 根据报道生成 · 4 小时前更新
最新进展10月23日 08:00
vLLM 大规模服务 DeepSeek-V4.1-Flash：追平 DeepInfer 并扩展至 GB300 NVL72报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- vLLM BlogvLLM 大规模服务 DeepSeek-V4.1-Flash：追平 DeepInfer 并扩展至 GB300 NVL72
vLLM 团队用 P/D 分离和 Wide-EP 在一台 NVIDIA GB300 NVL72 上服务 DeepSeek-V4.1-Flash，在 SemiAnalysis AgentX 上达到每 GPU 954K tokens/s、P90 每用户 196 tokens/s，是此前单节点结果的 7.9 倍，成本 $38.96 每 GPU 小时。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 310月25日 02:00
- 近 24 小时变化
- –
0123
02:0003:0004:0005:0006:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。