La Intel Arc Pro B70 avrebbe superato la RTX 5090D di NVIDIA in un DeepSeek carico di lavoro di inferenza R1, raggiungendo oltre 2.000 token al secondo nella configurazione testata, secondo un benchmark pubblicato da Wccftech. Questo risultato, che secondo Wccftech vede la Arc Pro B70 erogare oltre 2.000 token al secondo sul modello di ragionamento di DeepSeekDeepSeek, arriva in un momento delicato per il mercato degli acceleratori IA: gli acquirenti stanno attivamente cercando soluzioni più economiche per servire modelli open-weights, e lo stesso DeepSeek starebbe sviluppando una propria tecnologia hardware personalizzata per ridurre la dipendenza sia da NVIDIA che da Huawei.
Punti chiave
- Secondo Wccftech, la Intel Arc Pro B70 ha superato la RTX 5090D di NVIDIA nell'esecuzione del modello linguistico di grandi dimensioni (LLM) DeepSeek R1, raggiungendo oltre 2.000 token al secondo nella configurazione testata.
- La Arc Pro B70 costerebbe circa un quarto della RTX 5090D, modificando drasticamente l'equazione costo-per-token per l'inferenza DeepSeek on-premise.
- Questo risultato è particolarmente rilevante per gli sviluppatori che eseguono localmente modelli di ragionamento open-weights, dove l'inferenza limitata dalla memoria ha storicamente favorito le GPU consumer e workstation di fascia alta di NVIDIA.
- Secondo quanto riportato separatamente da Wccftech e capacityglobal.com, DeepSeek starebbe sviluppando un proprio chip per l'inferenza, finalizzato a ridurre la dipendenza da NVIDIA e Huawei.
- Al momento della stesura di questo articolo, né Intel né NVIDIA hanno rilasciato una dichiarazione ufficiale in risposta al benchmark.
Cosa riporta Wccftech sul benchmark DeepSeek R1
Secondo Wccftech, la Intel Arc Pro B70 ha superato la RTX 5090D di NVIDIA specificamente sul modello di ragionamento R1 di DeepSeek, raggiungendo oltre 2.000 token al secondo nella configurazione testata. Wccftech definisce questo risultato degno di nota non solo perché una scheda professionale Intel ha battuto la flagship di NVIDIA destinata al mercato cinese, ma anche perché la RTX 5090D costerebbe circa quattro volte tanto. Se questa proporzione fosse confermata da test indipendenti, rappresenterebbe un cambiamento significativo nell'indice costo-per-token, fattore sempre più determinante nella scelta delle GPU per servire modelli open-weights come DeepSeek R1.
Il titolo di Wccftech si concentra su un'affermazione specifica e circoscritta: ovvero che, in questa particolare configurazione di DeepSeek R1, la Arc Pro B70 ha superato la RTX 5090D ottenendo prestazioni nettamente migliori a un costo molto inferiore. Non si afferma tuttavia che la Arc Pro B70 sia più veloce della RTX 5090D in assoluto, né su altri modelli, precisioni o dimensioni dei batch. Gli utenti che valutano questo risultato per la propria pianificazione hardware dovrebbero considerarlo un singolo dato relativo a un carico di lavoro specifico, in attesa di ulteriori benchmark indipendenti più ampi. Database di modelli IA pianificazione hardware dovrebbero considerarlo un singolo dato relativo a un carico di lavoro specifico, in attesa di ulteriori benchmark indipendenti più ampi.
Perché DeepSeek R1 è il carico di lavoro da tenere d'occhio
DeepSeek R1 è diventato uno dei modelli di ragionamento open-weights più seguiti sul mercato, con un profilo di inferenza insolito: catene di ragionamento lunghe, intenso utilizzo della cache key-value e una forte preferenza per GPU dotate di larghezza di banda della memoria generosa. Questa combinazione è esattamente il contesto in cui conta maggiormente l’equilibrio tra potenza computazionale grezza e progettazione del sottosistema di memoria, ed è proprio per questo che una scheda professionale di fascia media può talvolta sorprendere una flagship consumer nominalmente più potente. L’articolo di Wccftech colloca il risultato della Arc Pro B70 in questo contesto, sostenendo che il comportamento fortemente orientato alla memoria di DeepSeek R1 premia le scelte architettoniche di Intel.
Per i team che devono dimensionare l’hardware per deployment locali di DeepSeek, la conclusione pratica è che i FLOPS dichiarati contano meno dei token al secondo effettivamente sostenuti sul modello reale. Il nostro calcolatore gratuito di VRAM è stato progettato esattamente per questo tipo di pianificazione, consentendo agli utenti di verificare preliminarmente se una determinata scheda possa contenere i pesi e la cache di DeepSeek R1 alla lunghezza di contesto desiderata, prima ancora di considerare la velocità di elaborazione.
Confronto tra le due schede sui dati riportati
L’articolo di Wccftech presenta la notizia principalmente come un ribaltamento del rapporto prezzo-prestazioni. Poiché viene citato direttamente solo un sottoinsieme di specifiche, la tabella seguente riporta esclusivamente i dati menzionati da Wccftech e le informazioni pubblicamente note sui prodotti; ogni elemento non esplicitamente indicato nella fonte è lasciato vuoto, anziché essere oggetto di supposizioni.
| Scheda | Throughput riportato su DeepSeek R1 | Costo relativo (secondo Wccftech) |
|---|---|---|
| Intel Arc Pro B70 | Oltre 2.000 token/s | Circa un quarto della RTX 5090D |
| NVIDIA RTX 5090D | Superata dalla Arc Pro B70 nello stesso test | Riferimento (circa 4 volte il costo della Arc Pro B70) |
Per modellare in modo più approfondito i costi associati a modelli come DeepSeek R1, il nostro Indice prezzo-prestazioni per l'IA analizza come questi rapporti evolvono attraverso le diverse generazioni e carichi di lavoro, mentre il nostro migliori GPU per l'IA riassume l’intero ventaglio di soluzioni alternative che gli sviluppatori stanno valutando quest’anno.
Cosa implica questo risultato per il deployment locale e on-premise di DeepSeek
Il costo per token è ormai il principale fattore guida per molte decisioni hardware nell’ecosistema open-weights, in particolare per i team che hanno scelto di self-hostare i modelli DeepSeek invece di ricorrere a un’API. Se i dati riportati da Wccftech fossero confermati da benchmark indipendenti, la Arc Pro B70 potrebbe modificare radicalmente i calcoli di piccoli studi, laboratori di ricerca e progetti pilota aziendali che fino ad ora davano per scontato di dover ricorrere ai chip di fascia più alta di NVIDIA per raggiungere obiettivi interattivi di token al secondo su DeepSeek R1.
Anche accettando la precisazione che si tratta di un singolo benchmark su un singolo modello, il rapporto di costo 4:1 riportato è così ampio che persino un vantaggio prestazionale molto più modesto a favore di Intel si tradurrebbe comunque in un costo di inferenza sensibilmente inferiore. I team che stanno valutando se questo cambiamento influenzi la loro decisione tra costruire o acquistare possono modellare entrambe le opzioni utilizzando il nostro calcolatore per il confronto tra self-hosting e utilizzo di API, che confronta il costo ammortizzato delle GPU on-premise con i prezzi di hosting offerti da DeepSeek.
L'intero quadro hardware di DeepSeek
La notizia sulla Arc Pro B70 arriva contemporaneamente a un altro cambiamento nella strategia hardware di DeepSeek. Wccftech riporta che DeepSeek sta sviluppando un proprio chip per l’inferenza per emanciparsi sia da NVIDIA che da Huawei, e capacityglobal.com conferma che il laboratorio cinese sta sviluppando un chip AI interno per ridurre la sua dipendenza da Nvidia e Huawei. Nessuna delle due fonti, nei brevi estratti forniti, indica una data di lancio o specifiche dettagliate.
Letti insieme, questi due filoni puntano tutti nella stessa direzione: l’ecosistema DeepSeek sta diversificando le proprie opzioni hardware su entrambi i fronti. Intel emerge come alternativa credibile e più economica per eseguire i modelli DeepSeek esternamente, mentre DeepSeek starebbe costruendo un proprio chip per servirli internamente. Per gli sviluppatori, entrambe le tendenze ampliano l’insieme di target di inferenza praticabili, allontanandosi dal default NVIDIA-only che ha dominato il ciclo precedente. Gli utenti interessati agli aggiornamenti relativi ai modelli possono seguire le novità sulla nostra pagina DeepSeek V4 .
Avvertenze e aspetti ancora da verificare
Un benchmark su un singolo carico di lavoro, per quanto impressionante, non costituisce un giudizio generale. Il report di Wccftech si concentra su DeepSeek R1 in una configurazione specifica; non fornisce, negli estratti disponibili, dettagli sul livello di quantizzazione, sulla lunghezza del contesto, sulla dimensione del batch o sullo stack software utilizzato su ciascuna scheda. Tutti questi parametri possono influenzare in modo sostanziale i risultati in termini di token al secondo, e i driver di Intel e NVIDIA continuano a evolversi. Fino a quando tester indipendenti non replicheranno il risultato sullo stesso modello e ne divulgheranno la configurazione completa, l’interpretazione più prudente è che la Arc Pro B70 rappresenta un serio contendente per l’inferenza DeepSeek R1 al suo livello di prezzo, non che abbia generalmente superato la RTX 5090D.
Va inoltre osservato che la RTX 5090D è una variante del modello flagship di NVIDIA destinata al mercato cinese, soggetta a vincoli progettuali derivanti dalle restrizioni alle esportazioni. Questo contesto è rilevante per il confronto sui prezzi effettuato da Wccftech, poiché il prezzo e la disponibilità della 5090D sono influenzati tanto dalle politiche quanto dalle forze di mercato.
Domande frequenti
Cosa avrebbe fatto, secondo quanto riportato, la Intel Arc Pro B70 nel test su DeepSeek R1? Secondo Wccftech, la scheda Arc Pro B70 ha battuto la RTX 5090D di NVIDIA nell’esecuzione di DeepSeek R1, raggiungendo oltre 2.000 token al secondo nella configurazione testata.
Di quanto è più economica l’Arc Pro B70 rispetto alla RTX 5090D? Wccftech riferisce che il prezzo dell’Arc Pro B70 è approssimativamente un quarto di quello della RTX 5090D, sebbene i prezzi esatti per regione non siano stati specificati nel frammento.
Questo significa che l’Arc Pro B70 è più veloce della RTX 5090D in generale? No. Il risultato riportato riguarda esclusivamente DeepSeek R1 in una specifica configurazione. Wccftech non afferma una superiorità generale su altri modelli, precisioni o carichi di lavoro.
DeepSeek sta davvero sviluppando un proprio chip? Sia Wccftech sia capacityglobal.com riportano che DeepSeek sta sviluppando un chip proprietario per l’inferenza AI, con l’obiettivo di ridurre la propria dipendenza da NVIDIA e Huawei. Nessuno dei due frammenti cita una data di lancio.
Cosa dovrebbero fare gli sviluppatori con queste informazioni? Considerarle un chiaro segnale del fatto che l’hardware non basato su NVIDIA sta diventando competitivo per l’inferenza di modelli DeepSeek, e ricalcolare il costo per token nelle proprie implementazioni pianificate non appena saranno disponibili benchmark indipendenti.
In sintesi
Se i dati riportati da Wccftech resistono all’analisi indipendente, l’Arc Pro B70 avrà dimostrato che una scheda professionale Intel non solo riesce a tenere il passo, ma supera addirittura la flagship di mercato cinese di NVIDIA su uno dei modelli open-weight per il ragionamento più influenti, a circa un quarto del costo. In combinazione con le notizie separate sullo sviluppo di un proprio chip per l’inferenza da parte di DeepSeek, il quadro complessivo è quello di un panorama hardware in rapida maturazione e sempre più competitivo intorno ai modelli DeepSeek. Per chiunque stia pianificando implementazioni on-premise nei prossimi trimestri, questo cambiamento merita già oggi di essere considerato nelle decisioni relative all’hardware, anche prima che la comunità dei benchmark fornisca valutazioni più ampie.
Fonti: news.google.com. Pubblicato il 08 luglio 2026.
