DeepSeek R1 · B200 · 精度对比
B200:FP4 与 FP8 精度对比
在 B200(NVIDIA Blackwell)上,比较 FP4 与 FP8 两种量化精度对 DeepSeek R1 推理的影响,涵盖不同 LLM 工作负载下的吞吐量、延迟和成本。可通过下方图表控件切换序列长度和指标,操作方式与主推理图表相同。
当 DeepSeek R1 在 B200 上的目标交互性为 77 tok/s/user 时,FP4 的吞吐量为 9,367 tok/s/chip,每百万 token 成本为 $0.051;FP8 的吞吐量为 2,297 tok/s/chip,每百万 token 成本为 $0.21。在同一芯片上,FP4 的单芯片吞吐量为对方的 4.1 倍,因此每 token 成本低 75%。不同量化精度下的模型准确率差异可在评估页查看。
在 B200 上运行 DeepSeek R1,目标交互性为 138 tok/s/user 时,FP4 与 FP8 的吞吐量分别为 2,267 和 989 tok/s/chip,每百万 token 成本分别为 $0.21 和 $0.49。在同一芯片上,FP4 的单芯片吞吐量高出 129%,因此每 token 成本低 56%。较低量化精度下的成本与吞吐量权衡只是整体考量的一部分;模型准确率数据请参阅评估页。
200 tok/s/user 接近 16–260 tok/s/user 交互性区间的上限。在这一运行点,FP4 在 B200 上运行 DeepSeek R1 的吞吐量为 1,400 tok/s/chip,每百万 token 成本为 $0.34;FP8 的吞吐量为 352 tok/s/chip,每百万 token 成本为 $1.37。在同一芯片上,FP4 的单芯片吞吐量为对方的 4.0 倍,因此每 token 成本低 75%。调整量化精度会同时影响推理速度和模型质量;模型准确率基准测试请参阅评估页。 (以上数据基于此 URL 对应的默认 8k/1k 配置;在控件中切换序列长度或模型后,下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置;只有存在相应测试配置时,才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | FP49,367FP82,297 | FP42,267FP8989 | FP41,400FP8352 |
| 成本($/M tok) | FP4$0.051FP8$0.21 | FP4$0.21FP8$0.49 | FP4$0.34FP8$1.37 |
| tok/s/MW | FP45,477,576FP81,343,043 | FP41,325,560FP8578,501 | FP4818,993FP8205,871 |
| 并发数 | FP4~655FP8~123 | FP4~12FP8~19 | FP4~60FP8~2 |
