CASE EVIDENCE / A RECORD
LMSYS Org / SGLang Team 公开的真实任务执行案例，来源为 官方页面，复核于 2026-06-27T02:15:00Z。
原始记录：LMSYS/SGLang Team Deploys DeepSeek R1 on NVIDIA GB200 NVL72 with 3.8x/4.8x Throughput Gains
Chinese Brief
LMSYS Org / SGLang Team 公开的真实任务执行案例，来源为 官方页面，复核于 2026-06-27T02:15:00Z。 Model Atlas 将它标记为 A 类证据，因为它同时具备具体使用者、具体任务、公开原始证据和可访问产物。 Model Atlas 不把 benchmark、教程、发布说明或集合页包装成真实案例。
任务
这是一个围绕真实任务执行的真实任务，公开材料可以回溯到具体使用者和具体产物。 原始资料写作：The SGLang team at LMSYS deployed and optimized DeepSeek R1 (and V3) inference on NVIDIA GB200 NVL72 hardware, implementing prefill-decode disaggregation with FP8 attention, NVFP4 MoE quantization, and large-scale exper…
公开材料提供原始证据链接和可访问产物，可用于核验任务结果、项目形态和模型绑定关系。 原始资料写作：Achieved 26,156 input tokens/sec and 13,386 output tokens/sec per GPU on DeepSeek R1 for 2000-token input sequences — a 3.8x prefill and 4.8x decode throughput improvement over H100 baseline. With BF16 attention and FP8…
DeepSeek R1 (Jan) 在该案例中承担真实任务执行相关的生成、分析、编排或实现角色。 原始资料写作：DeepSeek R1's Mixture-of-Experts architecture with fine-grained expert parallelism was the central target model; the 671B-parameter MoE design enabled the massive throughput gains on GB200 NVL72 through large-scale expe…
当前判断基于公开材料；若产物下线、仓库变更或模型参与比例仅来自作者自述，需要在引用前重新复核。 原始资料写作：Blog post describes benchmark/optimization results from a research team rather than end-user production deployment; however LMSYS is a major systems research organization operating real GPU clusters, and the results are…