Intels Arc Pro B70 hat laut Bericht von Wccftech die Flagship-GPU RTX 5090D von NVIDIA bei einer DeepSeek R1-Inferenz-Aufgabe übertroffen und dabei über 2.000 Tokens pro Sekunde erreicht, während die Kosten etwa ein Viertel derer der RTX 5090D betragen – so der Benchmark-Bericht von Wccftech. Dieses Ergebnis kommt zu einem heiklen Zeitpunkt für den Markt für KI-Beschleuniger: Käufer suchen aktiv nach kostengünstigeren Möglichkeiten, Open-Weights-Modelle bereitzustellen, und DeepSeek selbst arbeitet angeblich an eigener Hardware, um seine Abhängigkeit sowohl von NVIDIA als auch von Huawei zu verringern. DeepSeekLaut Wccftech und capacityglobal.com entwickelt DeepSeek zudem einen eigenen Inferenz-Chip, um seine Abhängigkeit von NVIDIA und Huawei zu reduzieren.
Wichtigste Erkenntnisse
- Wccftech berichtet, dass Intels Arc Pro B70 bei dem großen Sprachmodell DeepSeek R1 die RTX 5090D von NVIDIA geschlagen hat und dabei im getesteten Setup über 2.000 Tokens pro Sekunde erreichte.
- Die Arc Pro B70 soll laut Bericht rund ein Viertel der Kosten der RTX 5090D betragen – eine deutliche Verbesserung der Preis-pro-Token-Kennzahl für lokale DeepSeek-Inferenz.
- Dieses Ergebnis ist vor allem für Entwickler relevant, die Open-Weights-Reasoning-Modelle lokal ausführen, wo speichergebundene Inferenz traditionell NVIDIAs hochpreisige Consumer- und Workstation-GPUs begünstigt hat.
- Laut Berichten von Wccftech und capacityglobal.com entwickelt DeepSeek separat einen eigenen Inferenz-Chip, um seine Abhängigkeit von NVIDIA und Huawei zu verringern.
- Weder Intel noch NVIDIA haben zum Zeitpunkt der Veröffentlichung offiziell auf den Benchmark reagiert.
Was Wccftech zum DeepSeek-R1-Benchmark berichtet
Laut Wccftech hat Intels Arc Pro B70 die RTX 5090D von NVIDIA speziell beim Reasoning-Modell R1 von DeepSeek geschlagen und dabei im getesteten Setup über 2.000 Tokens pro Sekunde erreicht. Wccftech stellt dieses Ergebnis nicht nur deshalb als bemerkenswert dar, weil Intels professionelle Arc-Grafikkarte die Flagship-GPU von NVIDIA für den chinesischen Markt hinter sich ließ, sondern auch, weil die RTX 5090D angeblich rund viermal so teuer ist. Falls dieses Verhältnis in unabhängigen Tests bestätigt wird, würde dies eine signifikante Verschiebung der Preis-pro-Token-Kennzahl bedeuten – ein zunehmend entscheidendes Kriterium bei der Auswahl von GPUs für Open-Weights-Modelle wie DeepSeek R1.
Die Schlagzeile von Wccftech konzentriert sich auf eine einzige, eng gefasste Aussage: In dieser speziellen DeepSeek-R1-Konfiguration war die Arc Pro B70 sowohl schneller als auch deutlich günstiger als die RTX 5090D. Sie behauptet nicht, dass die Arc Pro B70 generell schneller ist als die RTX 5090D oder schneller bei anderen Modellen, Rechenpräzisionen oder Batch-Größen. Leser, die dieses Ergebnis für ihre eigene Planung bewerten, sollten es daher als einzelnen Datenpunkt innerhalb einer einzigen Aufgabe betrachten – bis breitere, unabhängige Benchmarks vorliegen. Datenbank für KI-Modelle Planung sollten es als einen einzelnen Datenpunkt innerhalb einer einzigen Aufgabe betrachten – bis breitere, unabhängige Benchmarks vorliegen.
Warum DeepSeek R1 die Aufgabe ist, auf die es ankommt
DeepSeek R1 ist zu einem der meistbeobachteten Open-Weights-Reasoning-Modelle auf dem Markt geworden, und sein Inferenzprofil ist ungewöhnlich: lange Denkketten, intensiver Einsatz des Key-Value-Caches sowie eine klare Präferenz für GPUs mit großzügiger Speicherbandbreite. Diese Kombination ist genau dort entscheidend, wo das Verhältnis zwischen roher Rechenleistung und Design des Speichersubsystems am wichtigsten ist – und genau hier kann eine mittelklasse-professionelle Grafikkarte manchmal eine nominell leistungsfähigere Consumer-Flagship-GPU überraschen. Wccftech stellt das Ergebnis der Arc Pro B70 in diesen Kontext und argumentiert, dass das speicheraufwendige Verhalten von DeepSeek R1 Intels architektonische Entscheidungen belohnt.
Für Teams, die Hardware für lokale DeepSeek-Bereitstellungen dimensionieren, ist die praktische Erkenntnis, dass die Überschrift-FLOPS weniger zählen als die nachhaltige Token-Rate beim jeweiligen Modell. Unser Kostenloser VRAM-Rechner wurde genau für diese Art der Planung entwickelt und ermöglicht es Lesern, bereits vorab zu prüfen, ob eine bestimmte Grafikkarte die Gewichte und den Cache von DeepSeek R1 bei der gewünschten Kontextlänge überhaupt halten kann – bevor sie sich Gedanken über die Durchsatzrate machen.
Wie sich beide Grafikkarten anhand der gemeldeten Zahlen vergleichen
Der Artikel von Wccftech stellt die Geschichte primär als Preisleistungs-Überraschung dar. Nur ein Teil der Spezifikationen wird direkt in der Quelle genannt; daher beschränkt sich die folgende Tabelle strikt auf das, was Wccftech berichtet, sowie auf allgemein bekannte Produktinformationen – alles, was in der Quelle nicht explizit genannt ist, bleibt leer, statt geraten zu werden.
| Grafikkarte | Gemessene DeepSeek-R1-Durchsatzrate | Relative Kosten (laut Wccftech) |
|---|---|---|
| Intel Arc Pro B70 | Über 2.000 Tokens/s | Etwa ein Viertel der RTX 5090D |
| NVIDIA RTX 5090D | Vom Arc Pro B70 im selben Test geschlagen | Referenzwert (etwa viermal so teuer wie die Arc Pro B70) |
Für detailliertere Kostenmodelle zu Modellen wie DeepSeek R1 verfolgt unser KI-Preis-Leistungs-Index , wie sich diese Verhältnisse über Generationen und Aufgaben hinweg verschieben, und unser Beste GPUs für KI -Überblick behandelt die breitere Palette an Alternativen, die Entwickler dieses Jahr abwägen.
Was das Ergebnis für lokale und on-premises DeepSeek-Bereitstellungen bedeutet
Die Kosten pro Token sind heute der maßgebliche Treiber vieler Hardware-Entscheidungen im Open-Weights-Ökosystem – insbesondere für Teams, die sich für das Self-Hosting von DeepSeek-Modellen entschieden haben, anstatt eine API zu nutzen. Falls die Zahlen von Wccftech durch unabhängige Benchmarks bestätigt werden, könnte die Arc Pro B70 die Entscheidungsgrundlage für kleine Studios, Forschungslabore und Unternehmenspilotprojekte verändern, die bisher davon ausgegangen waren, für interaktive Token-Raten bei DeepSeek R1 NVIDIAs Top-Tier-Hardware benötigen zu müssen.
Selbst unter der Einschränkung, dass es sich hierbei um einen einzelnen Benchmark für ein einziges Modell handelt, ist die berichtete vier-zu-eins-Kostenlücke so groß, dass selbst ein deutlich kleinerer Leistungsvorteil zugunsten Intel immer noch zu spürbar günstigerer Inferenz führen würde. Teams, die abwägen, ob sich dadurch ihre Build-versus-Buy-Entscheidung ändert, können beide Szenarien mit unserem Self-Hosting- vs. API-Rechner, der die amortisierten Kosten für On-Premise-GPUs mit den gehosteten Preisen von DeepSeek gegenüberstellt.
Das umfassendere Bild der DeepSeek-Hardware
Die Geschichte um die Arc Pro B70 kommt zeitgleich mit einer weiteren Verschiebung in DeepSeeks eigener Hardwarestrategie. Wccftech berichtet, dass DeepSeek einen eigenen Inferenz-Chip entwickelt, um sich von NVIDIA und Huawei zu lösen; capacityglobal.com meldet ebenfalls, dass das chinesische Labor einen eigenen KI-Chip entwickelt, um seine Abhängigkeit von Nvidia und Huawei zu verringern. Keine der beiden Quellen nennt in den vorliegenden Auszügen ein Lieferdatum oder detaillierte Spezifikationen.
Insgesamt weisen diese Entwicklungen in dieselbe Richtung: Das DeepSeek-Ökosystem diversifiziert seine Siliziumoptionen an beiden Enden. Intel etabliert sich als glaubwürdige, kostengünstigere Alternative für das externe Ausführen von DeepSeeks Modellen, während DeepSeek angeblich seinen eigenen Chip baut, um sie intern bereitzustellen. Für Entwickler erweitern beide Trends die Menge an realistischen Inferenz-Zielen jenseits der zuvor dominierenden NVIDIA-nur-Standardlösung. Leser, die die Modellseite dieses Ökosystems verfolgen, finden aktuelle Updates auf unserer DeepSeek V4 -Seite.
Einschränkungen und was noch verifiziert werden muss
Ein Benchmark für eine einzige Aufgabe – so beeindruckend er auch sein mag – ist kein allgemeines Urteil. Der Bericht von Wccftech konzentriert sich auf DeepSeek R1 in einer spezifischen Konfiguration; in dem vorliegenden Auszug werden jedoch weder Quantisierungsstufe, Kontextlänge, Batch-Größe noch der verwendete Software-Stack für jede der beiden Grafikkarten näher erläutert. All diese Variablen können die Token-Rate erheblich beeinflussen, und die Treiber von Intel und NVIDIA entwickeln sich kontinuierlich weiter. Bis unabhängige Tester das Ergebnis mit demselben Modell reproduzieren und ihren gesamten Testaufbau offenlegen, ist die sicherste Interpretation, dass die Arc Pro B70 bei ihrem Preisniveau ein ernstzunehmender Kandidat für DeepSeek-R1-Inferenz ist – nicht aber, dass sie die RTX 5090D allgemein überholt hat.
Es ist zudem erwähnenswert, dass die RTX 5090D eine für den chinesischen Markt konzipierte Variante von NVIDIAs Flagship-GPU ist, die durch exportbedingte Designbeschränkungen geprägt ist. Dieser Kontext ist für den von Wccftech gezogenen Preisvergleich relevant, da Preisgestaltung und Verfügbarkeit der 5090D sowohl durch politische Rahmenbedingungen als auch durch marktliche Kräfte bestimmt werden.
Häufig gestellte Fragen
Was hat Intels Arc Pro B70 im DeepSeek-R1-Test angeblich geleistet? Laut Wccftech übertraf die Arc Pro B70 die NVIDIA-RTX-5090D bei der Ausführung von DeepSeek R1 und erreichte in der getesteten Konfiguration über 2.000 Tokens pro Sekunde.
Wie viel günstiger ist die Arc Pro B70 im Vergleich zur RTX 5090D? Wccftech berichtet, dass die Arc Pro B70 etwa ein Viertel dessen kostet, was die RTX 5090D kostet; genaue regionale Preise wurden im Auszug jedoch nicht genannt.
Bedeutet dies, dass die Arc Pro B70 insgesamt schneller ist als die RTX 5090D? Nein. Das gemeldete Ergebnis bezieht sich ausschließlich auf DeepSeek R1 in einer spezifischen Konfiguration. Wccftech behauptet keine generelle Überlegenheit gegenüber anderen Modellen, Rechenpräzisionen oder Workloads.
Entwickelt DeepSeek tatsächlich eigene Chips? Sowohl Wccftech als auch capacityglobal.com berichten, dass DeepSeek einen eigenen KI-Inferenzchip entwickelt, um seine Abhängigkeit von NVIDIA und Huawei zu verringern. Weder der eine noch der andere Bericht nennt einen konkreten Markteinführungstermin.
Was sollten Entwickler mit dieser Information tun? Behandeln Sie sie als deutliches Signal dafür, dass Hardware von Nicht-NVIDIA-Herstellern zunehmend konkurrenzfähig für DeepSeek-Inferenz wird, und führen Sie Preis-pro-Token-Berechnungen für geplante Deployments erneut durch, sobald unabhängige Benchmarks vorliegen.
Das Fazit
Falls die Zahlen von Wccftech einer unabhängigen Überprüfung standhalten, zeigt die Arc Pro B70, dass eine professionelle Intel-Grafikkarte nicht nur mithalten, sondern bei einem der einflussreichsten Open-Weights-Reasoning-Modelle sogar die chinesische Flaggschiff-GPU von NVIDIA übertreffen kann – und das zu rund einem Viertel der Kosten. In Verbindung mit den separaten Berichten über den Eigenentwicklungsprozess eines DeepSeek-Inferenzchips ergibt sich insgesamt das Bild einer ausgereifteren und wettbewerbsfähigeren Halbleiterlandschaft rund um DeepSeek-Modelle. Für alle, die in den nächsten Quartalen On-Premises-Deployments planen, lohnt es sich bereits heute, diese Verschiebung bei der Hardwareauswahl zu berücksichtigen – noch bevor die breitere Benchmark-Community Stellung nimmt.
Quellen: news.google.com. Berichtet am 08. Juli 2026.
