B200: FP4 vs INT4 精度对比
在 B200（NVIDIA Blackwell）上对比 FP4 与 INT4 精度对 Kimi K2.5/K2.6/K2.7-Code 1T 推理的影响。涵盖各类 LLM 工作负载的吞吐量、延迟与成本。使用下方图表控件切换序列和指标——交互方式与主推理图表相同。
FP4 在 Kimi K2.5/K2.6/K2.7-Code 1T（B200）上以 49 tok/s/user 运行时达到 8881 tok/s/GPU（每百万 token $0.06）；INT4 达到 1459 tok/s/GPU（$0.37）。FP4 每 token 成本低 501%；FP4 每 GPU 吞吐量高出 509%。量化级别的精度差异在评估页面中跟踪。
Kimi K2.5/K2.6/K2.7-Code 1T（B200）在 68 tok/s/user 交互性下的吞吐量：FP4 为 3386 tok/s/GPU，INT4 为 1016。每百万 token 成本分别为 $0.16 和 $0.54。FP4 每 token 成本低 238%；FP4 每 GPU 吞吐量高出 233%。低精度带来的成本-吞吐量权衡只是全貌的一部分——请参阅评估页面的精度数据。
在 30–105 tok/s/user 交互性区间的高端，即 Kimi K2.5/K2.6/K2.7-Code 1T（B200）上以 87 tok/s/user 运行时：FP4 达到 2409 tok/s/GPU（$0.22/百万 token），INT4 达到 655（$0.83/百万）。FP4 每 token 成本低 267%；FP4 每 GPU 吞吐量高出 268%。精度变更同时影响推理速度和模型质量——请查阅评估页面的精度基准测试。 （数据反映此 URL 的默认 8k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:8881.2INT4:1458.5 | FP4:3386.0INT4:1016.4 | FP4:2409.4INT4:654.7 |
| Cost ($/M tok) | FP4:$0.061INT4:$0.368 | FP4:$0.159INT4:$0.537 | FP4:$0.225INT4:$0.825 |
| tok/s/MW | FP4:5193674INT4:852937 | FP4:1980110INT4:594390 | FP4:1409022INT4:382858 |
| Concurrency | FP4:~304INT4:~26 | FP4:~177INT4:~13 | FP4:~110INT4:~7 |
推理性能
不同模型、硬件配置和服务参数下的推理性能指标。