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 9367 tok/s/chip，每百万 token 成本为 $0.05；FP8 的吞吐量为 2297 tok/s/chip，每百万 token 成本为 $0.21。FP4 的成本效率高出 308%；FP4 的单芯片吞吐量高出 308%。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 2267 和 989 tok/s/chip，每百万 token 成本分别为 $0.21 和 $0.49。FP4 的成本效率高出 129%；FP4 的单芯片吞吐量高出 129%。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 1400 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 $1.37。FP4 的成本效率高出 298%；FP4 的单芯片吞吐量高出 298%。调整量化精度会同时影响推理速度和模型质量；模型准确率基准测试请参阅评估页。 （以上数据基于此 URL 对应的默认 8k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP4:9366.7FP8:2296.6 | FP4:2266.7FP8:989.2 | FP4:1400.5FP8:352.0 |
| 成本（$/M tok） | FP4:$0.051FP8:$0.209 | FP4:$0.212FP8:$0.486 | FP4:$0.343FP8:$1.365 |
| tok/s/MW | FP4:5477576FP8:1343043 | FP4:1325560FP8:578501 | FP4:818993FP8:205871 |
| 并发数 | FP4:~655FP8:~123 | FP4:~12FP8:~19 | FP4:~60FP8:~2 |
推理性能
不同模型、硬件配置和服务参数下，来自 AgentX 场景的智能体推理指标与固定序列推理指标。