ニュース
DeepSeek-V4.1-Flash on Vera Rubin NVL72: 58x Throughput vs. GB300 NVL72 at 387 tokens/s
vLLM · Inferact and the vLLM Team · 公開日 · 読了3分
30秒で要点
- 何が起きたか
- vLLM achieved 58x higher throughput serving DeepSeek-V4.1-Flash on NVIDIA Vera Rubin NVL72 compared to GB300, reaching 1.7M tokens per second per GPU.
- なぜ重要か
- Matters for engineers deploying large language models who need maximum inference throughput and latency on latest NVIDIA hardware with specialized tensor cores.
- 注意点
- Results are specific to DeepSeek-V4.1-Flash model and SemiAnalysis AgentX benchmark; gains depend on Rubin's split memory domains and FP4 tensor cores, may not generalize to other models.
- agent
- llm
- throughput
- token
- vllm
この話題の背景にあるパターン
各ページで、技術の仕組み、コストに見合う場面、そして破綻する条件を解説しています。
The Agent Architect
1つのパターン、1つのトレードオフ、1つの本番障害事例。エージェントシステムを構築する人のための短い週刊ブリーフィング。
週1回のメール、ワンクリックで購読解除できます。アドレスはブリーフィングの送信のみに使用します。