B300: FP4 vs FP8 精度对比
在 B300（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。
在 DeepSeek R1（B300）上以 78 tok/s/user 交互性运行时，FP4 吞吐量为 6579 tok/s/GPU，每百万 token 成本 $0.10；FP8 吞吐量为 662 tok/s/GPU，成本 $1.00。FP4 每 token 成本低 900%；FP4 每 GPU 吞吐量高出 894%。低精度量化以模型精度换取吞吐量——请查看评估页面了解质量影响。
FP4 在 DeepSeek R1（B300）上以 143 tok/s/user 运行时达到 688 tok/s/GPU（每百万 token $0.93）；FP8 达到 275 tok/s/GPU（$2.37）。FP4 每 token 成本低 154%；FP4 每 GPU 吞吐量高出 151%。量化级别的精度差异在评估页面中跟踪。
DeepSeek R1（B300）在 207 tok/s/user 交互性下的吞吐量：FP4 为 314 tok/s/GPU，FP8 为 125。每百万 token 成本分别为 $2.08 和 $5.25。FP4 每 token 成本低 152%；FP4 每 GPU 吞吐量高出 152%。低精度带来的成本-吞吐量权衡只是全貌的一部分——请参阅评估页面的精度数据。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:6579.3FP8:661.9 | FP4:688.2FP8:274.5 | FP4:314.1FP8:124.5 |
| Cost ($/M tok) | FP4:$0.099FP8:$0.995 | FP4:$0.934FP8:$2.370 | FP4:$2.082FP8:$5.246 |
| tok/s/MW | FP4:3031921FP8:305029 | FP4:317156FP8:126506 | FP4:144769FP8:57381 |
| Concurrency | FP4:~548FP8:~61 | FP4:~105FP8:~8 | FP4:~33FP8:~3 |
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。