NVIDIA RTX 5880 Ada显卡部署DeepSeek-R1模型实测报告

DeepSeek-R1 模型在 4 张 NVIDIA RTX 5880 Ada 显卡配置下，面对短文本生成、长文本生成、总结概括三大实战场景，会碰撞出怎样的性能火花？参数规模差异悬殊的 70B 与 32B 两大模型，在 BF16 精度下的表现又相差几何？本篇四卡环境实测报告，将为用户提供实用的数据支持和性能参考。

1 测试环境

2 测试指标

首次 token 生成时间（Time to First Token, TTFT(s)）越低，模型响应速度越快；每个输出 token 的生成时间（Time Per Output Token, TPOT(s)）越低，模型生成文本的速度越快。

输出 Token 吞吐量（Output Token Per Sec, TPS）：反映系统每秒能够生成的输出 token 数量，是评估系统响应速度的关键指标。多并发情况下，使用单个请求的平均吞吐量作为参考指标。

首次 Token 生成时间（Time to First Token, TTFT(s)）：指从发出请求到接收到第一个输出 token 所需的时间，这对实时交互要求较高的应用尤为重要。多并发情况下，平均首次 token 时间 (s) 作为参考指标。

单 Token 生成时间（Time Per Output Token，TPOT(s)）：系统生成每个输出 token 所需的时间，直接影响了整个请求的完成速度。多并发情况下，使用平均每个输出 token 的时间 (s) 作为参考指标。这里多并发时跟单个请求的 TPOT 不一样，多并发 TPOT 计算不包括生成第一个 token 的时间。

并发数（Concurrency）：指的是系统同时处理的任务数量。适当的并发设置可以在保证响应速度的同时最大化资源利用率，但过高的并发数可能导致请求打包过多，从而增加单个请求的处理时间，影响用户体验。

3 测试场景

在实际业务部署中，输入/输出 token 的数量直接影响服务性能与资源利用率。本次测试针对三个不同应用场景设计了具体的输入 token 和输出 token 配置，以评估模型在不同任务中的表现。具体如下：

4 测试结果

4.1 短文本生成场景

使用 DeepSeek-R1-70B(BF16)，单请求吞吐量约 19.9 tokens/s，并发 100 时降至约 9.9 tokens/s（约为单请求的 50%）。最佳工作区间为低并发场景（1-50 并发）。

▲ DeepSeek-R1-70B(BF16) 测试结果图表

2025 丽台（上海）信息科技有限公司

本文所有测试结果均由丽台科技实测得出，如果您有任何疑问或需要使用此测试结果，请联系丽台科技（下同）

使用 DeepSeek-R1-32B(BF16)，单请求吞吐量达约 39.5 tokens/s，并发 100 时仍保持约 18.1 tokens/s，能够满足高并发场景（100 并发）。

▲ DeepSeek-R1-32B(BF16) 测试结果图表

4.2 长文本生成场景

使用 DeepSeek-R1-70B(BF16)，单请求吞吐量约 20 tokens/s，并发 100 时降至约 8.8 tokens/。最佳工作区间为低并发场景（1-50 并发）。

▲ DeepSeek-R1-70B(BF16) 测试结果图表

使用 DeepSeek-R1-32B(BF16)，单请求吞吐量达约 39.7 tokens/s，并发 250 时仍保持约 10.6 tokens/s，能够满足较高并发场景（250 并发）。

▲ DeepSeek-R1-32B(BF16) 测试结果图表

4.3 总结概括场景

使用 DeepSeek-R1-70B(BF16)，单请求吞吐量约 18.7 tokens/s，并发 10 时降至约 10.9 tokens/。最佳工作区间为低并发场景（10 并发）。

▲ DeepSeek-R1-70B(BF16) 测试结果图表

使用 DeepSeek-R1-32B(BF16)，单请求吞吐量达约 37 tokens/s，并发 25 时仍保持约 15.3 tokens/s，能够满足中等并发场景（25 并发）。

▲ DeepSeek-R1-32B(BF16) 测试结果图表

5 总结

5.1 测试模型性能

DeepSeek-R1-70B(BF16) 模型表现：

短文本生成：支持 75 并发量，单请求平均吞吐量>10.9 tokens/s

长文本生成：支持 50 并发量，单请求平均吞吐量>12.5 tokens/s

总结概括：支持 10 并发量，单请求平均吞吐量>10.9 tokens/s

DeepSeek-R1-32B(BF16) 模型表现：

短文本生成：支持 100 并发量，单请求平均吞吐量>18.1 tokens/s

长文本生成：支持 250 并发量，单请求平均吞吐量>10.6 tokens/s

总结概括：支持 25 并发量，单请求平均吞吐量>15.3 tokens/s

5.2 部署建议

基于 4 卡 RTX 5880 Ada GPU 的硬件配置下：

推荐优先部署 DeepSeek-R1-32B(BF16) 模型，其在高并发场景下展现出更优的吞吐性能与响应效率；

当业务场景对模型输出质量有更高要求，且系统并发压力较低时，建议选用 DeepSeek-R1-70B(BF16) 模型。

5.3 测试说明

本次基准测试在统一硬件环境下完成，未采用任何专项优化策略。