MI355X: FP4 vs FP8 精度对比
在 MI355X（AMD CDNA 4）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。
FP4 在 Qwen 3.5 397B-A17B（MI355X）上以 68 tok/s/user 运行时达到 2158 tok/s/GPU（每百万 token $0.19）；FP8 达到 2012 tok/s/GPU（$0.20）。FP4 每 token 成本低 8%；FP4 每 GPU 吞吐量高出 7%。量化级别的精度差异在评估页面中跟踪。
Qwen 3.5 397B-A17B（MI355X）在 119 tok/s/user 交互性下的吞吐量：FP4 为 1229 tok/s/GPU，FP8 为 1050。每百万 token 成本分别为 $0.33 和 $0.39。FP4 每 token 成本低 18%；FP4 每 GPU 吞吐量高出 17%。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 17–220 tok/s/user 交互性区间的高端，即 Qwen 3.5 397B-A17B（MI355X）上以 170 tok/s/user 运行时：FP4 达到 757 tok/s/GPU（$0.54/百万 token），FP8 达到 590（$0.69/百万）。FP4 每 token 成本低 28%；FP4 每 GPU 吞吐量高出 28%。精度变更同时影响推理速度和模型质量——请查阅评估页面的精度基准测试。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:2158.0FP8:2011.7 | FP4:1228.8FP8:1049.5 | FP4:756.7FP8:590.1 |
| Cost ($/M tok) | FP4:$0.190FP8:$0.205 | FP4:$0.329FP8:$0.388 | FP4:$0.543FP8:$0.692 |
| tok/s/MW | FP4:1032553FP8:962539 | FP4:587966FP8:502164 | FP4:362046FP8:282332 |
| Concurrency | FP4:~33FP8:~59 | FP4:~11FP8:~18 | FP4:~4FP8:~8 |
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。