新智元报说念

剪辑：好困 犀牛

【新智元导读】最近，开源了首个在Blackwell架构上优化的DeepSeek-R1，扫尾了推理速率耕种25倍，和每token本钱裁汰20倍的惊东说念主恶果。同期，DeepSeek继续开源多个英伟达GPU优假名堂，共同探索模子性能极限。

当FP4的魔法与Blackwell的巨大算力再见，会碰撞出怎样的火花？

谜底是：推感性能暴涨25倍，本钱狂降20倍！

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

在新模子的加握下，B200扫尾了高达21,088 token每秒的的推理隐约量，比拟于H100的844 token每秒，耕种了25倍。

与此同期，每token的本钱也扫尾了20倍的裁汰。

通过在Blackwell架构上应用TensorRT DeepSeek优化，英伟达让具有FP4坐褥级精度的模子，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

后老到量化

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，并为给定的辅导生成文本反应，请参照以下示例代码：

硬件条目：需要复旧TensorRT-LLM的英伟达GPU（如B200），况且需要8个GPU来扫尾tensor_parallel_size=8的张量并行。

性能优化：代码诓骗FP4量化、TensorRT引擎和并行打算，旨在扫尾高效、低本钱的推理，适合坐褥环境或高隐约量应用。

from tensorrt_llm import SamplingParams\nfrom tensorrt_llm._torch import LLM\n\ndef main():\n\nprompts = [\n\"Hello, my name is\",\n\"The president of the United States is\",\n\"The capital of France is\",\n\"The future of AI is\",\n]\nsampling_params = SamplingParams(max_tokens=32)\n\nllm = LLM(model=\"nvidia/DeepSeek-R1-FP4\", tensor_parallel_size=8, enable_attention_dp=True)\n\noutputs = llm.generate(prompts, sampling_params)\n\n# Print the outputs.\nfor output in outputs:\nprompt = output.prompt\ngenerated_text = output.outputs[0].text\nprint(f\"Prompt: {prompt!r}, Generated text: {generated_text!r}\")\n\n\n# The entry point of the program need to be protected for spawning processes.\nif __name__ == '__main__':\nmain()

关于这次优化的恶果，网友暗示咋舌。

「FP4魔法让AI往时依然横蛮！」网友Isha驳倒说念。

网友algorusty则宣称，有了这次的优化后，好意思国供应商大致以每百万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连发计划了起来。

「这展示了硬件和开源模子计划的可能性。」他暗示。

DeepSeek全面开源

如今DeepSeek握续5天的「开源周」还是进行到了第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，至极针对变长序列进行了优化，当今已精良投产使用。

周二开源了DeepEP，这是一个专为搀和群众系统（MoE）和群众并行（EP）遐想的通讯库。

周三开源的是DeepGEMM。这是一个复旧茁壮和MoE模子的FP8 GEMM（通用矩阵乘法）打算库，可为V3/R1的老到和推理提供巨大复旧。

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，王人是通过对英伟达GPU和集群的优化，来股东AI模子的高效打算和部署。

参考贵寓：

https://x.com/NVIDIAAIDev/status/1894172956726890623