每秒每GPU处理8064个词元：英伟达刷新DeepSeek-R1推理纪录

IT之家 4 月 2 日消息，科技媒体 Wccftech 昨日（4 月 1 日）发布博文，报道称在被誉为“AI 界最严苛大考”的 MLPerf v6.0 AI 推理基准测试中，英伟达再次交出满分答卷。

相比较此前的 v5.1 版本，本月（2026 年 4 月）发布的 MLPerf v6.0 引入了多种前沿的生成式 AI 模型，并重点升级推理交互性和大规模多节点系统。

IT之家援引英伟达新闻稿，MLPerf v6.0 为反映当前 AI 工业界的真实应用趋势，引入了多个模型，并重点考察了密集型大语言模型和视觉语言模型：

• GPT-OSS-120B：新增的大型开源权重语言模型，专注于数学、科学推理和代码编写能力测试。
• DeepSeek-R1 交互模式：在 v5.1 引入 DeepSeek-R1 后，v6.0 增加了交互式场景（Interactive scenario)。该场景对首字响应时间（TTFT）和每 Token 速率有更高要求，更贴近真实聊天机器人体验。
• Qwen3-VL-235B：该套件中首个多模态视觉语言模型（VLM)，用于测试将非结构化多模态数据转换为结构化元数据的能力。
• WAN-2.2（Text-to-Video)：套件中首个文生视频基准测试。考虑到生成视频的计算量极大，该测试弃用了传统的 Server 模式，改用 SingleStream 模式以更准确地衡量延迟。
• DLRMv3：第三代推荐系统基准，由 Meta 贡献，从传统的 DCNv2 升级为基于 Transformer 的架构，提升了模型规模和计算强度。
• YOLOv11 Large：针对边缘计算场景，将目标检测基准更新为 Ultralytics 的最新 YOLOv11 模型。

官方最新公布的 MLPerf 推理 v6.0 测试结果显示，英伟达凭借 Blackwell Ultra 架构（GB300 NVL72），实现了全方位的性能碾压，其 AI 推理成绩不仅位列第一，其推理训练 Wins 数量更领先最接近的竞争对手 9 倍。

在备受瞩目的 DeepSeek-R1 服务器端测试中，英伟达交出了每秒每 GPU 处理 8064 个词元（token）的成绩。与之前的 v5.1 版本相比，处理速度大幅飙升 2.77 倍。

此外，在 Llama 3.1 405B 模型的服务器与离线测试中，英伟达也分别实现了 1.52 倍和 1.21 倍的性能提升。

跑分GB300 NVL72 v5.1GB300 NVL72v6.0提速DeepSeek-R1(Server)2,907 tokens/sec/gpu8,064 tokens/sec/gpu2.77xDeepSeek-R1(Offline)5,842 tokens/sec/gpu9,821 tokens/sec/gpu1.68xLlama 3.1 405B(Server)170 tokens/sec/gpu259 tokens/sec/gpu1.52xLlama 3.1 405B(Offline)224 tokens/sec/gpu271 tokens/sec/gpu1.21x