GB300 NVL72: FP4 vs FP8 精度对比
在 GB300 NVL72（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。
在 48–374 tok/s/user 交互性区间的低端，即 Qwen 3.5 397B-A17B（GB300 NVL72）上以 129 tok/s/user 运行时：FP4 达到 26805 tok/s/Chip（$0.02/百万 token），FP8 达到 5487（$0.12/百万）。FP4 每 token 成本低 397%；FP4 每 Chip 吞吐量高出 389%。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（GB300 NVL72）上以 211 tok/s/user 交互性运行时，FP4 吞吐量为 13394 tok/s/Chip，每百万 token 成本 $0.05；FP8 吞吐量为 1856 tok/s/Chip，成本 $0.35。FP4 每 token 成本低 622%；FP4 每 Chip 吞吐量高出 622%。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。
FP4 在 Qwen 3.5 397B-A17B（GB300 NVL72）上以 293 tok/s/user 运行时达到 9415 tok/s/Chip（每百万 token $0.07）；FP8 达到 759 tok/s/Chip（$0.81）。FP4 每 token 成本低 1120%；FP4 每 Chip 吞吐量高出 1140%。量化级别的精度差异在评估页面中跟踪。 （数据反映此 URL 的默认 8k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | FP4:26805.4FP8:5487.2 | FP4:13394.2FP8:1855.9 | FP4:9414.6FP8:759.3 |
| Cost ($/M tok) | FP4:$0.024FP8:$0.120 | FP4:$0.048FP8:$0.348 | FP4:$0.067FP8:$0.812 |
| tok/s/MW | FP4:12644063FP8:2588300 | FP4:6318039FP8:875409 | FP4:4440838FP8:358168 |
| Concurrency | FP4:~953FP8:~140 | FP4:~187FP8:~17 | FP4:~131FP8:~3 |
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。