MI355X: FP4 vs INT4 精度对比
在 MI355X（AMD CDNA 4）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。
Kimi K2.5/K2.6/K2.7-Code 1T（MI355X）在 27 tok/s/user 交互性下的吞吐量：FP4 为 4934 tok/s/GPU，INT4 为 1791。每百万 token 成本分别为 $0.08 和 $0.23。FP4 每 token 成本低 175%；FP4 每 GPU 吞吐量高出 176%。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 10–78 tok/s/user 交互性区间的中部，即 Kimi K2.5/K2.6/K2.7-Code 1T（MI355X）上以 44 tok/s/user 运行时：FP4 达到 3522 tok/s/GPU（$0.12/百万 token），INT4 达到 1224（$0.34/百万）。FP4 每 token 成本低 186%；FP4 每 GPU 吞吐量高出 188%。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。
在 Kimi K2.5/K2.6/K2.7-Code 1T（MI355X）上以 61 tok/s/user 交互性运行时，FP4 吞吐量为 2692 tok/s/GPU，每百万 token 成本 $0.15；INT4 吞吐量为 863 tok/s/GPU，成本 $0.48。FP4 每 token 成本低 214%；FP4 每 GPU 吞吐量高出 212%。低精度量化以模型精度换取吞吐量——请查看评估页面了解质量影响。 （数据反映此 URL 的默认 8k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:4933.9INT4:1790.9 | FP4:3522.1INT4:1224.1 | FP4:2691.8INT4:863.1 |
| Cost ($/M tok) | FP4:$0.083INT4:$0.229 | FP4:$0.117INT4:$0.336 | FP4:$0.152INT4:$0.478 |
| tok/s/MW | FP4:2360720INT4:856871 | FP4:1685225INT4:585711 | FP4:1287933INT4:412954 |
| Concurrency | FP4:~250INT4:~31 | FP4:~49INT4:~13 | FP4:~20INT4:~6 |
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。