L’Arc Pro B70 d’Intel aurait surpassé le RTX 5090D de NVIDIA sur DeepSeek une charge de travail d’inférence R1, tout en coûtant environ un quart du prix, selon un article de benchmark publié par Wccftech. Ce résultat, qui, selon Wccftech, permet à l’Arc Pro B70 de générer plus de 2 000 jetons par seconde sur DeepSeekle modèle de raisonnement de DeepSeek, intervient à un moment délicat pour le marché des accélérateurs IA : les acheteurs recherchent activement des solutions moins coûteuses pour servir des modèles open-weights, tandis que DeepSeek travaillerait, selon des rapports, sur sa propre puce afin de réduire sa dépendance vis-à-vis de NVIDIA et de Huawei.
Points clés
- Selon Wccftech, l’Arc Pro B70 d’Intel a surpassé le RTX 5090D de NVIDIA lors de l’exécution du grand modèle de langage (LLM) DeepSeek R1, atteignant plus de 2 000 jetons par seconde dans la configuration testée.
- L’Arc Pro B70 coûterait environ un quart du prix du RTX 5090D, modifiant radicalement l’équation « coût par jeton » pour l’inférence DeepSeek sur site.
- Ce résultat revêt une importance particulière pour les développeurs exécutant localement des modèles de raisonnement open-weights, où l’inférence limitée par la mémoire a historiquement favorisé les GPU grand public et professionnels haut de gamme de NVIDIA.
- Selon des rapports de Wccftech et de capacityglobal.com, DeepSeek développerait séparément sa propre puce d’inférence, destinée à réduire sa dépendance à l’égard de NVIDIA et de Huawei.
- Ni Intel ni NVIDIA n’ont émis de réponse officielle au benchmark au moment de la rédaction de cet article.
Ce que rapporte Wccftech sur le benchmark DeepSeek R1
Selon Wccftech, l’Arc Pro B70 d’Intel a surpassé le RTX 5090D de NVIDIA spécifiquement sur le modèle de raisonnement R1 de DeepSeek, atteignant plus de 2 000 jetons par seconde dans la configuration testée. Wccftech présente ce résultat comme remarquable non seulement parce qu’une carte professionnelle d’Intel a devancé le modèle phare de NVIDIA destiné au marché chinois, mais aussi parce que le RTX 5090D coûterait environ quatre fois plus cher. Si ce rapport se confirme dans des tests indépendants, cela représenterait un changement significatif de l’indicateur « coût par jeton », qui oriente de plus en plus le choix des GPU pour servir des modèles open-weights tels que DeepSeek R1.
Le titre de Wccftech met l’accent sur une affirmation très précise : dans cette configuration particulière de DeepSeek R1, l’Arc Pro B70 a non seulement surpassé le RTX 5090D, mais l’a fait à un coût nettement inférieur. Il ne prétend pas que l’Arc Pro B70 est plus rapide que le RTX 5090D de façon générale, ni sur d’autres modèles, niveaux de précision ou tailles de batch. Les lecteurs évaluant ce résultat pour leurs propres Base de données des modèles IA projets doivent le considérer comme un simple point de données relatif à une seule charge de travail, en attendant des benchmarks tiers plus larges.
Pourquoi DeepSeek R1 est une charge de travail à suivre de près
DeepSeek R1 est devenu l’un des modèles de raisonnement open-weights les plus surveillés du marché, et son profil d’inférence est inhabituel : chaînes de raisonnement longues, utilisation intensive du cache clé-valeur, et forte préférence pour les GPU dotés d’une bande passante mémoire élevée. Cette combinaison met précisément en jeu l’équilibre entre puissance de calcul brute et conception du sous-système mémoire, ce qui explique pourquoi une carte professionnelle milieu de gamme peut parfois surprendre un modèle phare grand public théoriquement plus puissant. L’article de Wccftech place le résultat de l’Arc Pro B70 dans ce contexte, arguant que le comportement fortement axé sur la mémoire de DeepSeek R1 récompense les choix architecturaux d’Intel.
Pour les équipes dimensionnant leur matériel destiné à des déploiements locaux de DeepSeek, la conclusion pratique est que les FLOPS annoncés comptent moins que le débit réel en jetons par seconde sur le modèle effectif. Notre calculateur gratuit de VRAM a été conçu précisément pour ce type de planification, permettant aux lecteurs de vérifier si une carte donnée peut même contenir les poids et le cache de DeepSeek R1 à la longueur de contexte cible avant même de s’inquiéter du débit.
Comparaison des performances des deux cartes selon les chiffres rapportés
L’article de Wccftech présente principalement cette histoire comme une surprise prix-performance. Seul un sous-ensemble de spécifications est explicitement mentionné dans la source ; le tableau ci-dessous se limite donc strictement aux informations rapportées par Wccftech et aux caractéristiques publiquement connues des produits désignés par leur nom ; tout élément non mentionné dans la source est laissé vide plutôt que supposé.
| Carte | Débit rapporté sur DeepSeek R1 | Coût relatif (selon Wccftech) |
|---|---|---|
| Intel Arc Pro B70 | Plus de 2 000 jetons/s | Environ un quart du prix du RTX 5090D |
| NVIDIA RTX 5090D | Surpassé par l’Arc Pro B70 dans le même test | Référence (environ 4 fois le prix de l’Arc Pro B70) |
Pour une modélisation plus fine des coûts liés à des modèles comme DeepSeek R1, notre Indice prix-performance IA suit comment ces rapports évoluent d’une génération à l’autre et selon les charges de travail, et notre synthèse meilleurs GPU pour l’IA couvre l’ensemble plus large des solutions concurrentes que les développeurs examinent cette année.
Ce que ce résultat signifie pour le déploiement local ou sur site de DeepSeek
Le coût par jeton est désormais le principal facteur déterminant de nombreuses décisions matérielles dans l’écosystème open-weights, notamment pour les équipes ayant choisi d’auto-héberger les modèles DeepSeek plutôt que d’utiliser une API. Si les chiffres de Wccftech sont confirmés par des benchmarks indépendants, l’Arc Pro B70 pourrait modifier les calculs des petits studios, des laboratoires de recherche et des projets pilotes en entreprise qui supposaient jusqu’ici avoir besoin des puces haut de gamme de NVIDIA pour atteindre des objectifs interactifs de jetons par seconde avec DeepSeek R1.
Même en tenant compte de la mise en garde selon laquelle il s’agit d’un seul benchmark sur un seul modèle, l’écart de prix de quatre à un rapporté est suffisamment important pour que même une avance de performance bien moindre en faveur d’Intel se traduise encore par une inférence nettement moins coûteuse. Les équipes évaluant si cela modifie leur décision « construire vs acheter » peuvent modéliser les deux options à l’aide de notre calculateur auto-hébergement vs API, qui compare le coût amorti des GPU sur site au tarif hébergé de DeepSeek.
Le paysage matériel global de DeepSeek
L’histoire de l’Arc Pro B70 arrive en parallèle d’un autre changement dans la stratégie matérielle de DeepSeek. Wccftech rapporte que DeepSeek développe sa propre puce d’inférence afin de se libérer à la fois de NVIDIA et de Huawei, et capacityglobal.com signale également que ce laboratoire chinois développe une puce IA interne pour réduire sa dépendance à l’égard de Nvidia et de Huawei. Aucun des deux médias ne précise, dans les extraits fournis, de date de livraison ni de spécifications détaillées.
Lus ensemble, ces deux tendances convergent vers une même direction : l’écosystème DeepSeek diversifie ses options en matière de silicium aux deux extrémités. Intel émerge comme une alternative crédible et moins coûteuse pour exécuter les modèles DeepSeek en externe, tandis que DeepSeek développerait apparemment sa propre puce pour les servir en interne. Pour les développeurs, ces deux tendances élargissent l’ensemble des cibles d’inférence viables au-delà de la solution par défaut exclusivement basée sur NVIDIA qui dominait le cycle précédent. Les lecteurs suivant l’évolution des modèles dans cet écosystème peuvent consulter les mises à jour sur notre page DeepSeek V4 .
Mises en garde et éléments nécessitant encore une vérification
Un benchmark sur une seule charge de travail, aussi impressionnant soit-il, ne constitue pas un verdict général. Le rapport de Wccftech porte spécifiquement sur DeepSeek R1 dans une configuration précise ; il ne détaille pas, dans l’extrait fourni, le niveau de quantification, la longueur de contexte, la taille du batch ou la pile logicielle utilisée sur chacune des cartes. Toutes ces variables peuvent influencer considérablement les résultats en jetons par seconde, et les pilotes d’Intel et de NVIDIA continuent d’évoluer. Jusqu’à ce que des testeurs indépendants reproduisent ce résultat sur le même modèle et divulguent leur configuration, la lecture la plus prudente est que l’Arc Pro B70 est un candidat sérieux pour l’inférence DeepSeek R1 à son niveau de prix, sans pour autant avoir globalement dépassé le RTX 5090D.
Il convient également de noter que le RTX 5090D est une variante du modèle phare de NVIDIA destinée au marché chinois, soumise à des contraintes de conception liées aux restrictions à l’exportation. Ce contexte est pertinent pour la comparaison des prix établie par Wccftech, puisque le prix et la disponibilité du 5090D sont influencés autant par la réglementation que par les forces du marché.
Questions fréquemment posées
Que l’Arc Pro B70 d’Intel aurait-il accompli, selon les rapports, dans le test DeepSeek R1 ? Selon Wccftech, l'Arc Pro B70 a surpassé la RTX 5090D d'NVIDIA lors de l'exécution de DeepSeek R1 et a délivré plus de 2 000 jetons par seconde dans la configuration testée.
De combien l'Arc Pro B70 est-elle moins chère que la RTX 5090D ? Wccftech indique que le prix de l'Arc Pro B70 est d'environ un quart de celui de la RTX 5090D, bien que les tarifs régionaux exacts ne soient pas précisés dans l'extrait.
Cela signifie-t-il que l'Arc Pro B70 est globalement plus rapide que la RTX 5090D ? Non. Ce résultat rapporté concerne spécifiquement DeepSeek R1 dans une configuration donnée. Wccftech ne revendique aucune supériorité générale sur d'autres modèles, précisions ou charges de travail.
DeepSeek développe-t-elle réellement sa propre puce ? À la fois Wccftech et capacityglobal.com rapportent que DeepSeek développe une puce d’inférence IA en interne afin de réduire sa dépendance à l’égard d’NVIDIA et d’Huawei. Aucun des deux extraits ne mentionne de date de lancement.
Que doivent faire les développeurs avec cette information ? Considérer cela comme un signal fort indiquant que les solutions matérielles non-NVIDIA deviennent compétitives pour l’inférence DeepSeek, et recalculer les coûts par jeton pour les déploiements prévus dès qu’apparaîtront des benchmarks indépendants.
En résumé
Si les chiffres publiés par Wccftech résistent à l’examen indépendant, l’Arc Pro B70 aura démontré qu’une carte professionnelle Intel peut non seulement rivaliser avec, mais aussi surpasser la puce phare d’NVIDIA destinée au marché chinois sur l’un des modèles de raisonnement open-weight les plus influents, et ce pour environ un quart du coût. Couplé aux rapports distincts selon lesquels DeepSeek développe sa propre puce d’inférence, ce constat dessine un paysage silicium en pleine maturation et de plus en plus concurrentiel autour des modèles DeepSeek. Pour toute personne envisageant des déploiements sur site au cours des prochains trimestres, cette évolution mérite d’être intégrée dès aujourd’hui dans les décisions d’achat matériel, même avant que la communauté plus large des benchmarks n’ait rendu son verdict.
Sources : news.google.com. Publié le 08 juillet 2026.
