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 44–228 tok/s/user 交互性区间的低端，即 Qwen 3.5 397B-A17B（GB300 NVL72）上以 90 tok/s/user 运行时：FP4 达到 6025 tok/s/GPU（$0.12/百万 token），FP8 达到 10539（$0.07/百万）。FP8 每 token 成本低 75%；FP8 每 GPU 吞吐量高出 75%。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 136 tok/s/user 交互性运行时，FP4 吞吐量为 2801 tok/s/GPU，每百万 token 成本 $0.26；FP8 吞吐量为 4769 tok/s/GPU，成本 $0.16。FP8 每 token 成本低 64%；FP8 每 GPU 吞吐量高出 70%。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 183 tok/s/user 运行时达到 1338 tok/s/GPU（每百万 token $0.55）；FP8 达到 2682 tok/s/GPU（$0.27）。FP8 每 token 成本低 102%；FP8 每 GPU 吞吐量高出 100%。量化级别的精度差异在评估页面中跟踪。 （数据反映此 URL 的默认 8k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:6024.7FP8:10539.3 | FP4:2801.0FP8:4769.0 | FP4:1338.4FP8:2682.3 |
| Cost ($/M tok) | FP4:$0.122FP8:$0.070 | FP4:$0.256FP8:$0.156 | FP4:$0.553FP8:$0.274 |
| tok/s/MW | FP4:2841855FP8:4971362 | FP4:1321248FP8:2249523 | FP4:631330FP8:1265234 |
| Concurrency | FP4:~71FP8:~1004 | FP4:~21FP8:~90 | FP4:~7FP8:~37 |
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。