压测报告：DeepSeek-R1-Distill-Qwen-32B模型性能评估

1. 实验背景

本实验旨在评估DeepSeek-R1-Distill-Qwen-32B模型在特定硬件配置下的性能表现。测试硬件为GPU服务器。实验主要关注模型在不同并发请求数下的峰值生成速度。

• 吞吐量（Throughput）： 测试模型在单位时间内可以处理多少请求，通常以“每秒生成的令牌数（tokens/s）”来衡量。
• 首次响应时间（First Token Latency）： 测试从用户发送请求到模型生成第一个令牌的时间。
• 全响应时间（Total Latency）： 测试从请求发送到模型返回完整响应所需的时间。
• 并发处理能力： 测试模型在多用户高并发情况下的稳定性和性能，了解模型的最大并发数。

2. 测试设置

• 模型部署：DeepSeek-R1-Distill-Qwen-32B
• 测试指标：
  • 并发请求数（每秒）
  • 每秒峰值平均生成tokens数

3. 测试结果