当FP4的魔法与Blackwell的雄伟算力相遇，会碰撞出何如的火花？

谜底是：推感性能暴涨25倍，资本狂降20倍！

跟着DeepSeek-R1土产货化部署的爆火，英伟达也切身下场，开源了首个基于Blackwell架构的优化决策——DeepSeek-R1-FP4。

在新模子的加抓下，B200已毕了高达21,088 token每秒的的推理婉曲量，比拟于H100的844 token每秒，进步了25倍。

与此同期，每token的资本也已毕了20倍的裁减。

通过在Blackwell架构上应用TensorRT DeepSeek优化，英伟达让具有FP4分娩级精度的模子，在MMLU通用智能基准测试中达到了FP8模子性能的99.8%。

DeepSeek-R1初次基于Blackwell GPU优化

当今，英伟达基于FP4优化的DeepSeek-R1查验点现已在Hugging Face上开源。

模子地址：https://huggingface.co/nvidia/DeepSeek-R1-FP4

后教练量化

模子将Transformer模块内的线性算子的权重和激活量化到了FP4，适用于TensorRT-LLM推理。

这种优化将每个参数从8位减少到4位，从而让磁盘空间和GPU显存的需求减少了约1.6倍。

使用TensorRT-LLM部署

要使用TensorRT-LLM LLM API部署量化后的FP4权重文献，并为给定的教唆生成文本反应，请参照以下示例代码：

硬件要求：需要提拔TensorRT-LLM的英伟达GPU（如B200），而且需要8个GPU来已毕tensor_parallel_size=8的张量并行。

性能优化：代码运用FP4量化、TensorRT引擎和并行意想打算，旨在已毕高效、低资本的推理，适应分娩环境或高婉曲量应用。

关于这次优化的遵循，网友示意艳羡。

「FP4魔法让AI改日依然厉害！」网友Isha驳斥谈。

网友algorusty则宣称，有了这次的优化后，好意思国供应商随机以每百万token 0.25好意思元的价钱提供R1。

「还会成心润。」

网友Phil则将这次的优化与DeepSeek本周的开源5连发结合了起来。

「这展示了硬件和开源模子结合的可能性。」他示意。

DeepSeek全面开源如今DeepSeek抓续5天的「开源周」照旧进行到了第3天。

周一，他们开源了FlashMLA。这是DeepSeek专为英伟达Hopper GPU打造的高效MLA解码内核，相等针对变长序列进行了优化，当今已厚爱投产使用。

周二开源了DeepEP，这是一个专为搀杂民众系统（MoE）和民众并行（EP）想象的通讯库。

周三开源的是DeepGEMM。这是一个提拔繁密和MoE模子的FP8 GEMM（通用矩阵乘法）意想打算库，可为V3/R1的教练和推理提供雄伟提拔。

总的来说，不论是英伟达开源的DeepSeek-R1-FP4，照旧DeepSeek开源的三个仓库，齐是通过对英伟达GPU和集群的优化，来鼓吹AI模子的高效意想打算和部署。

本文来源：新智元，原文标题：《英伟达下场，初次优化DeepSeek-R1！B200性能狂飙25倍，碾压H100》

风险教唆及免责要求 市集有风险，投资需严慎。本文不组成个东谈主投资提议，也未商酌到个别用户出奇的投资见识、财务情景或需要。用户应试虑本文中的任何意见、不雅点或论断是否适应其特定情景。据此投资，包袱兴盛。