La Intel Arc Pro B70 ha superado, según informes, a la RTX 5090D de NVIDIA en DeepSeek una carga de trabajo de inferencia R1, alcanzando más de 2.000 tokens por segundo en la configuración probada, según un análisis publicado por Wccftech. Este resultado, que Wccftech afirma que sitúa a la Arc Pro B70 por encima de los 2.000 tokens por segundo en DeepSeekel modelo de razonamiento de DeepSeek, llega en un momento delicado para el mercado de aceleradores de IA: los compradores buscan activamente formas más económicas de servir modelos de pesos abiertos, y se informa que DeepSeek está trabajando en silicio personalizado para reducir su dependencia tanto de NVIDIA como de Huawei.
Conclusiones clave
- Según Wccftech, la Intel Arc Pro B70 ha superado a la RTX 5090D de NVIDIA al ejecutar el modelo de lenguaje grande (LLM) DeepSeek R1, alcanzando más de 2.000 tokens por segundo en la configuración probada.
- Se informa que la Arc Pro B70 cuesta aproximadamente un cuarto del precio de la RTX 5090D, alterando drásticamente la ecuación costo-por-token para la inferencia local de DeepSeek.
- Este resultado resulta especialmente relevante para los desarrolladores que ejecutan localmente modelos de razonamiento de pesos abiertos, donde históricamente la inferencia limitada por memoria ha favorecido las GPU de gama alta de consumo y estación de trabajo de NVIDIA.
- Wccftech y capacityglobal.com informan por separado que DeepSeek está desarrollando su propio chip de inferencia, destinado a reducir su dependencia de NVIDIA y Huawei.
- Ni Intel ni NVIDIA han emitido una respuesta oficial al benchmark en el momento de redactar este artículo.
Lo que Wccftech informa sobre el benchmark de DeepSeek R1
Según Wccftech, la Intel Arc Pro B70 ha superado específicamente a la RTX 5090D de NVIDIA en el modelo de razonamiento R1 de DeepSeek, logrando más de 2.000 tokens por segundo en la configuración probada. Wccftech presenta este resultado como notable no solo porque la tarjeta profesional Arc de Intel ha superado a la insignia de mercado china de NVIDIA, sino también porque la RTX 5090D cuesta aproximadamente cuatro veces más. Si esta proporción se confirma en pruebas independientes, representaría un cambio significativo en la métrica costo-por-token, que cada vez más determina la elección de GPU para servir modelos de pesos abiertos como DeepSeek R1.
El titular de Wccftech se centra en una afirmación específica y limitada: que, en esta configuración particular de DeepSeek R1, la Arc Pro B70 no solo superó a la RTX 5090D, sino que lo hizo a un coste mucho menor. No afirma que la Arc Pro B70 sea más rápida que la RTX 5090D en términos generales, ni en otros modelos, precisiones o tamaños de lote. Los lectores que evalúen este resultado para sus propios Base de datos de modelos de IA planes deben considerarlo como un único punto de datos en una única carga de trabajo, pendiente de benchmarks independientes más amplios.
Por qué DeepSeek R1 es la carga de trabajo más observada
DeepSeek R1 se ha convertido en uno de los modelos de razonamiento de pesos abiertos más observados del mercado, y su perfil de inferencia es inusual: cadenas largas de razonamiento, uso intensivo de la caché de pares clave-valor y una clara preferencia por GPU con un ancho de banda de memoria generoso. Esta combinación es precisamente donde más importa el equilibrio entre potencia computacional bruta y diseño del subsistema de memoria, y es por ello que una tarjeta profesional de gama media puede sorprender ocasionalmente a una insignia de consumo nominalmente más potente. El análisis de Wccftech sitúa el resultado de la Arc Pro B70 en este contexto, argumentando que el comportamiento intensivo en memoria de DeepSeek R1 recompensa las decisiones arquitectónicas de Intel.
Para los equipos que dimensionan hardware para implementaciones locales de DeepSeek, la conclusión práctica es que los FLOPS anunciados importan menos que los tokens por segundo sostenidos en el modelo real. Nuestra calculadora gratuita de VRAM está diseñada exactamente para este tipo de planificación, permitiendo a los lectores verificar si una tarjeta determinada puede alojar incluso los pesos y la caché de DeepSeek R1 en la longitud de contexto deseada antes de preocuparse por el rendimiento.
Cómo se comparan ambas tarjetas según los datos reportados
El artículo de Wccftech presenta la historia principalmente como una sorpresa en la relación precio-rendimiento. Solo se hace referencia directamente a un subconjunto de especificaciones en la fuente, por lo que la tabla siguiente se adhiere estrictamente a lo que Wccftech informa y a lo que se conoce públicamente sobre los productos por su nombre; cualquier dato no mencionado explícitamente en la fuente se deja en blanco, sin intentar suposiciones.
| Tarjeta | Rendimiento reportado en DeepSeek R1 | Coste relativo (según Wccftech) |
|---|---|---|
| Intel Arc Pro B70 | Más de 2.000 tokens/s | Aproximadamente un cuarto del precio de la RTX 5090D |
| NVIDIA RTX 5090D | Superada por la Arc Pro B70 en la misma prueba | Referencia (aproximadamente 4 veces el precio de la Arc Pro B70) |
Para modelar con mayor profundidad los costes asociados a modelos como DeepSeek R1, nuestro Índice de relación precio-rendimiento en IA registra cómo estos ratios varían entre generaciones y cargas de trabajo, y nuestro resumen de mejores GPU para IA cubre el conjunto más amplio de alternativas que los desarrolladores están evaluando este año.
Qué significa este resultado para la implementación local y en entornos locales (on-premises) de DeepSeek
El coste por token se ha convertido actualmente en el principal impulsor de muchas decisiones de hardware en el ecosistema de pesos abiertos, especialmente para los equipos que han optado por autoalojar modelos de DeepSeek en lugar de utilizar su API. Si los números de Wccftech se confirman mediante benchmarks independientes, la Arc Pro B70 podría cambiar los cálculos de pequeños estudios, laboratorios de investigación y proyectos piloto empresariales que anteriormente daban por sentado que necesitaban el silicio de gama alta de NVIDIA para alcanzar objetivos interactivos de tokens por segundo con DeepSeek R1.
Incluso aceptando la advertencia de que se trata de un único benchmark en un solo modelo, la brecha de precios reportada de cuatro a uno es lo suficientemente grande como para que incluso una ventaja de rendimiento mucho menor a favor de Intel se traduzca aún así en una inferencia materialmente más económica. Los equipos que evalúen si esto cambia su decisión de construir frente a comprar pueden modelar ambos escenarios utilizando nuestra calculadora de autohospedaje frente a APIcalculadora, que compara el coste amortizado de las GPU locales frente a los precios de alojamiento de DeepSeek.
Panorama general del hardware de DeepSeek
La historia de la Arc Pro B70 llega junto con otro cambio en la estrategia de hardware de DeepSeek. Wccftech informa que DeepSeek está desarrollando su propio chip de inferencia para liberarse tanto de NVIDIA como de Huawei, y capacityglobal.com informa asimismo que este laboratorio chino está desarrollando un chip de IA propio para reducir su dependencia de Nvidia y Huawei. Ninguno de estos medios, en los fragmentos proporcionados, indica una fecha de lanzamiento ni especificaciones detalladas.
Leídos conjuntamente, estos dos hilos apuntan en una dirección coherente: el ecosistema de DeepSeek está diversificando sus opciones de silicio en ambos extremos. Intel emerge como una alternativa creíble y más económica para ejecutar los modelos de DeepSeek externamente, mientras que DeepSeek está desarrollando, según informes, su propio chip para servirlos internamente. Para los desarrolladores, ambas tendencias amplían el conjunto de objetivos viables para inferencia más allá de la opción predeterminada exclusiva de NVIDIA que dominó el ciclo anterior. Los lectores que sigan el lado del modelo de este ecosistema pueden consultar las actualizaciones en nuestra página de DeepSeek V4 modelos de IA.
Advertencias y aspectos que aún requieren verificación
Un benchmark basado en una sola carga de trabajo, por impactante que sea, no constituye un veredicto general. El informe de Wccftech se centra en DeepSeek R1 en una configuración específica; en el fragmento proporcionado no detalla el nivel de cuantización, la longitud de contexto, el tamaño del lote ni la pila de software utilizada en ninguna de las tarjetas. Todos esos factores pueden influir sustancialmente en los resultados de tokens por segundo, y los controladores de Intel y NVIDIA siguen evolucionando. Hasta que testers independientes reproduzcan el resultado con el mismo modelo y revelen su configuración, la interpretación más segura es que la Arc Pro B70 es un contendiente serio para la inferencia de DeepSeek R1 a su precio, y no que haya superado generalmente a la RTX 5090D.
También vale la pena señalar que la RTX 5090D es una variante del mercado chino de la insignia de NVIDIA, sujeta a restricciones de diseño derivadas de las exportaciones. Ese contexto es relevante para la comparación de precios realizada por Wccftech, ya que el precio y la disponibilidad de la 5090D están condicionados tanto por políticas como por fuerzas de mercado.
Preguntas frecuentes
¿Qué hizo, según informes, la Arc Pro B70 de Intel en la prueba de DeepSeek R1? Según Wccftech, la tarjeta Arc Pro B70 superó a la RTX 5090D de NVIDIA al ejecutar DeepSeek R1 y alcanzó una velocidad superior a los 2.000 tokens por segundo en la configuración probada.
¿Cuánto más barata es la Arc Pro B70 que la RTX 5090D? Wccftech informa que el precio de la Arc Pro B70 es aproximadamente una cuarta parte del de la RTX 5090D, aunque no se especificaron los precios exactos por región en el fragmento.
¿Significa esto que la Arc Pro B70 es más rápida que la RTX 5090D en términos generales? No. El resultado reportado es específico para DeepSeek R1 en una única configuración. Wccftech no afirma una superioridad general frente a otros modelos, precisiones o cargas de trabajo.
¿Está DeepSeek desarrollando realmente su propia unidad de procesamiento? Tanto Wccftech como capacityglobal.com informan que DeepSeek está desarrollando una unidad de inferencia de IA propia con el objetivo de reducir su dependencia de NVIDIA y Huawei. Ninguno de los dos fragmentos menciona una fecha de lanzamiento.
¿Qué deben hacer los desarrolladores con esta información? Deben considerarla como una señal clara de que el hardware no proviniente de NVIDIA se está volviendo competitivo para la inferencia con modelos DeepSeek, y deben volver a calcular el costo por token en sus despliegues planificados tan pronto como aparezcan benchmarks independientes.
En resumen
Si los datos publicados por Wccftech resisten el escrutinio independiente, la Arc Pro B70 habrá demostrado que una tarjeta profesional de Intel no solo puede igualar, sino incluso superar a la insignia de mercado china de NVIDIA en uno de los modelos de razonamiento de código abierto más influyentes, y todo ello a aproximadamente una cuarta parte del costo. Combinado con los informes independientes sobre el desarrollo de una unidad de inferencia propia por parte de DeepSeek, el panorama general revela un ecosistema de semiconductores cada vez más maduro y competitivo en torno a los modelos de DeepSeek. Para quienes planeen despliegues locales en los próximos trimestres, este cambio merece ser tenido en cuenta ya hoy en las decisiones de adquisición de hardware, incluso antes de que la comunidad global de benchmarks emita sus conclusiones.
Fuentes: news.google.com. Informado el 08 de julio de 2026.
