B200: FP4 vs FP8 精度对比
在 B200（NVIDIA Blackwell）上对比 FP4 与 FP8 精度对 DeepSeek R1 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 DeepSeek R1（B200）上以 73 tok/s/user 运行时达到 9789 tok/s/GPU（每百万 token $0.06）；FP8 达到 2754 tok/s/GPU（$0.20）。FP4 每 token 成本低 267%；FP4 每 GPU 吞吐量高出 255%。量化级别的精度差异在评估页面中跟踪。
DeepSeek R1（B200）在 136 tok/s/user 交互性下的吞吐量：FP4 为 2197 tok/s/GPU，FP8 为 1006。每百万 token 成本分别为 $0.25 和 $0.54。FP4 每 token 成本低 119%；FP4 每 GPU 吞吐量高出 118%。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 11–260 tok/s/user 交互性区间的高端，即 DeepSeek R1（B200）上以 198 tok/s/user 运行时：FP4 达到 1412 tok/s/GPU（$0.38/百万 token），FP8 达到 373（$1.52/百万）。FP4 每 token 成本低 297%；FP4 每 GPU 吞吐量高出 279%。精度变更同时影响推理速度和模型质量——请查阅评估页面的精度基准测试。 （数据反映此 URL 的默认 8k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:9788.7FP8:2753.6 | FP4:2197.4FP8:1006.0 | FP4:1412.5FP8:373.2 |
| Cost ($/M tok) | FP4:$0.055FP8:$0.202 | FP4:$0.246FP8:$0.540 | FP4:$0.384FP8:$1.522 |
| tok/s/MW | FP4:4510935FP8:1268955 | FP4:1012647FP8:463598 | FP4:650920FP8:171963 |
| Concurrency | FP4:~653FP8:~194 | FP4:~10FP8:~15 | FP4:~60FP8:~2 |
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。