DeepSeek-R1 模型在 4 張 NVIDIA RTX 5880 Ada 顯卡配置下，面對(duì)短文本生成、長文本生成、總結(jié)概括三大實(shí)戰(zhàn)場景，會(huì)碰撞出怎樣的性能火花？參數(shù)規(guī)模差異懸殊的 70B 與 32B 兩大模型，在 BF16 精度下的表現(xiàn)又相差幾何？本篇四卡環(huán)境實(shí)測報(bào)告，將為用戶提供實(shí)用的數(shù)據(jù)支持和性能參考。

1測試環(huán)境

2測試指標(biāo)

首次 token 生成時(shí)間（Time to First Token, TTFT(s)）越低，模型響應(yīng)速度越快；每個(gè)輸出 token 的生成時(shí)間（Time Per Output Token, TPOT(s)）越低，模型生成文本的速度越快。

輸出 Token 吞吐量（Output Token Per Sec, TPS）：反映系統(tǒng)每秒能夠生成的輸出 token 數(shù)量，是評(píng)估系統(tǒng)響應(yīng)速度的關(guān)鍵指標(biāo)。多并發(fā)情況下，使用單個(gè)請(qǐng)求的平均吞吐量作為參考指標(biāo)。

首次 Token 生成時(shí)間（Time to First Token, TTFT(s)）：指從發(fā)出請(qǐng)求到接收到第一個(gè)輸出 token 所需的時(shí)間，這對(duì)實(shí)時(shí)交互要求較高的應(yīng)用尤為重要。多并發(fā)情況下，平均首次 token 時(shí)間 (s) 作為參考指標(biāo)。

單 Token 生成時(shí)間（Time Per Output Token，TPOT(s)）：系統(tǒng)生成每個(gè)輸出 token 所需的時(shí)間，直接影響了整個(gè)請(qǐng)求的完成速度。多并發(fā)情況下，使用平均每個(gè)輸出 token 的時(shí)間 (s) 作為參考指標(biāo)。這里多并發(fā)時(shí)跟單個(gè)請(qǐng)求的 TPOT 不一樣，多并發(fā) TPOT 計(jì)算不包括生成第一個(gè) token 的時(shí)間。

并發(fā)數(shù)（Concurrency）：指的是系統(tǒng)同時(shí)處理的任務(wù)數(shù)量。適當(dāng)?shù)牟l(fā)設(shè)置可以在保證響應(yīng)速度的同時(shí)最大化資源利用率，但過高的并發(fā)數(shù)可能導(dǎo)致請(qǐng)求打包過多，從而增加單個(gè)請(qǐng)求的處理時(shí)間，影響用戶體驗(yàn)。

3測試場景

在實(shí)際業(yè)務(wù)部署中，輸入/輸出 token 的數(shù)量直接影響服務(wù)性能與資源利用率。本次測試針對(duì)三個(gè)不同應(yīng)用場景設(shè)計(jì)了具體的輸入 token 和輸出 token 配置，以評(píng)估模型在不同任務(wù)中的表現(xiàn)。具體如下：

4測試結(jié)果

4.1 短文本生成場景

使用 DeepSeek-R1-70B(BF16)，單請(qǐng)求吞吐量約 19.9 tokens/s，并發(fā) 100 時(shí)降至約 9.9 tokens/s（約為單請(qǐng)求的 50%）。最佳工作區(qū)間為低并發(fā)場景（1-50 并發(fā)）。

▲ DeepSeek-R1-70B(BF16) 測試結(jié)果圖表

2025 麗臺(tái)（上海）信息科技有限公司

本文所有測試結(jié)果均由麗臺(tái)科技實(shí)測得出，如果您有任何疑問或需要使用此測試結(jié)果，請(qǐng)聯(lián)系麗臺(tái)科技（下同）

使用 DeepSeek-R1-32B(BF16)，單請(qǐng)求吞吐量達(dá)約 39.5 tokens/s，并發(fā) 100 時(shí)仍保持約 18.1 tokens/s，能夠滿足高并發(fā)場景（100 并發(fā)）。

▲ DeepSeek-R1-32B(BF16) 測試結(jié)果圖表

4.2 長文本生成場景

使用 DeepSeek-R1-70B(BF16)，單請(qǐng)求吞吐量約 20 tokens/s，并發(fā) 100 時(shí)降至約 8.8 tokens/。最佳工作區(qū)間為低并發(fā)場景（1-50 并發(fā)）。

▲ DeepSeek-R1-70B(BF16) 測試結(jié)果圖表

使用 DeepSeek-R1-32B(BF16)，單請(qǐng)求吞吐量達(dá)約 39.7 tokens/s，并發(fā) 250 時(shí)仍保持約 10.6 tokens/s，能夠滿足較高并發(fā)場景（250 并發(fā)）。

▲ DeepSeek-R1-32B(BF16) 測試結(jié)果圖表

4.3 總結(jié)概括場景

使用 DeepSeek-R1-70B(BF16)，單請(qǐng)求吞吐量約 18.7 tokens/s，并發(fā) 10 時(shí)降至約 10.9 tokens/。最佳工作區(qū)間為低并發(fā)場景（10 并發(fā)）。

▲ DeepSeek-R1-70B(BF16) 測試結(jié)果圖表

使用 DeepSeek-R1-32B(BF16)，單請(qǐng)求吞吐量達(dá)約 37 tokens/s，并發(fā) 25 時(shí)仍保持約 15.3 tokens/s，能夠滿足中等并發(fā)場景（25 并發(fā)）。

▲ DeepSeek-R1-32B(BF16) 測試結(jié)果圖表

5總結(jié)

5.1 測試模型性能

DeepSeek-R1-70B(BF16) 模型表現(xiàn)：

短文本生成：支持 75 并發(fā)量，單請(qǐng)求平均吞吐量>10.9 tokens/s

長文本生成：支持 50 并發(fā)量，單請(qǐng)求平均吞吐量>12.5 tokens/s

總結(jié)概括：支持 10 并發(fā)量，單請(qǐng)求平均吞吐量>10.9 tokens/s

DeepSeek-R1-32B(BF16) 模型表現(xiàn)：

短文本生成：支持 100 并發(fā)量，單請(qǐng)求平均吞吐量>18.1 tokens/s

長文本生成：支持 250 并發(fā)量，單請(qǐng)求平均吞吐量>10.6 tokens/s

總結(jié)概括：支持 25 并發(fā)量，單請(qǐng)求平均吞吐量>15.3 tokens/s

5.2 部署建議

基于 4 卡 RTX 5880 Ada GPU 的硬件配置下：

推薦優(yōu)先部署 DeepSeek-R1-32B(BF16) 模型，其在高并發(fā)場景下展現(xiàn)出更優(yōu)的吞吐性能與響應(yīng)效率；

當(dāng)業(yè)務(wù)場景對(duì)模型輸出質(zhì)量有更高要求，且系統(tǒng)并發(fā)壓力較低時(shí)，建議選用 DeepSeek-R1-70B(BF16) 模型。

5.3 測試說明

本次基準(zhǔn)測試在統(tǒng)一硬件環(huán)境下完成，未采用任何專項(xiàng)優(yōu)化策略。