B200: FP4 vs FP8 精度对比
在 B200（NVIDIA Blackwell）上对比 FP4 与 FP8 精度对 Qwen 3.5 397B-A17B 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。
Qwen 3.5 397B-A17B（B200）在 87 tok/s/user 交互性下的吞吐量：FP4 为 9914 tok/s/Chip，FP8 为 7460。每百万 token 成本分别为 $0.05 和 $0.06。FP4 每 token 成本低 33%；FP4 每 Chip 吞吐量高出 33%。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 10–320 tok/s/user 交互性区间的中部，即 Qwen 3.5 397B-A17B（B200）上以 165 tok/s/user 运行时：FP4 达到 5654 tok/s/Chip（$0.09/百万 token），FP8 达到 4586（$0.10/百万）。FP4 每 token 成本低 23%；FP4 每 Chip 吞吐量高出 23%。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 Qwen 3.5 397B-A17B（B200）上以 243 tok/s/user 交互性运行时，FP4 吞吐量为 3716 tok/s/Chip，每百万 token 成本 $0.13；FP8 吞吐量为 3062 tok/s/Chip，成本 $0.16。FP4 每 token 成本低 20%；FP4 每 Chip 吞吐量高出 21%。低精度量化以模型精度换取吞吐量——请查看评估页面了解质量影响。 （数据反映此 URL 的默认 8k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | FP4:9914.1FP8:7460.3 | FP4:5653.6FP8:4585.8 | FP4:3715.7FP8:3062.5 |
| Cost ($/M tok) | FP4:$0.048FP8:$0.064 | FP4:$0.085FP8:$0.104 | FP4:$0.130FP8:$0.156 |
| tok/s/MW | FP4:5797709FP8:4362757 | FP4:3306176FP8:2681759 | FP4:2172936FP8:1790917 |
| Concurrency | FP4:~128FP8:~41 | FP4:~9FP8:~13 | FP4:~4FP8:~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。