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 77 tok/s/user 运行时达到 9367 tok/s/Chip（每百万 token $0.05）；FP8 达到 2297 tok/s/Chip（$0.21）。FP4 每 token 成本低 308%；FP4 每 Chip 吞吐量高出 308%。量化级别的精度差异在评估页面中跟踪。
DeepSeek R1（B200）在 138 tok/s/user 交互性下的吞吐量：FP4 为 2267 tok/s/Chip，FP8 为 989。每百万 token 成本分别为 $0.21 和 $0.49。FP4 每 token 成本低 129%；FP4 每 Chip 吞吐量高出 129%。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 16–260 tok/s/user 交互性区间的高端，即 DeepSeek R1（B200）上以 199 tok/s/user 运行时：FP4 达到 1409 tok/s/Chip（$0.34/百万 token），FP8 达到 362（$1.33/百万）。FP4 每 token 成本低 289%；FP4 每 Chip 吞吐量高出 289%。精度变更同时影响推理速度和模型质量——请查阅评估页面的精度基准测试。 （数据反映此 URL 的默认 8k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | FP4:9366.7FP8:2296.6 | FP4:2266.7FP8:989.2 | FP4:1408.8FP8:362.4 |
| Cost ($/M tok) | FP4:$0.051FP8:$0.209 | FP4:$0.212FP8:$0.486 | FP4:$0.341FP8:$1.326 |
| tok/s/MW | FP4:5477576FP8:1343043 | FP4:1325560FP8:578501 | FP4:823867FP8:211910 |
| Concurrency | 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。