B300：FP4 与 FP8 精度对比
在 B300（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。
在 B300 上运行 DeepSeek R1，目标交互性为 78 tok/s/user 时，FP4 的吞吐量为 6579 tok/s/chip，每百万 token 成本为 $0.10；FP8 的吞吐量为 662 tok/s/chip，每百万 token 成本为 $0.95。FP4 的成本效率高出 894%；FP4 的单芯片吞吐量高出 894%。较低的量化精度以模型准确率为代价换取更高吞吐量；如需了解对模型质量的影响，请查看评估页。
当 DeepSeek R1 在 B300 上的目标交互性为 143 tok/s/user 时，FP4 的吞吐量为 688 tok/s/chip，每百万 token 成本为 $0.91；FP8 的吞吐量为 275 tok/s/chip，每百万 token 成本为 $2.29。FP4 的成本效率高出 151%；FP4 的单芯片吞吐量高出 151%。不同量化精度下的模型准确率差异可在评估页查看。
在 B300 上运行 DeepSeek R1，目标交互性为 207 tok/s/user 时，FP4 与 FP8 的吞吐量分别为 314 和 125 tok/s/chip，每百万 token 成本分别为 $2.00 和 $5.04。FP4 的成本效率高出 152%；FP4 的单芯片吞吐量高出 152%。较低量化精度下的成本与吞吐量权衡只是整体考量的一部分；模型准确率数据请参阅评估页。 （以上数据基于此 URL 对应的默认 1k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP4:6579.3FP8:661.9 | FP4:688.2FP8:274.5 | FP4:314.1FP8:124.5 |
| 成本（$/M tok） | FP4:$0.095FP8:$0.948 | FP4:$0.912FP8:$2.287 | FP4:$1.998FP8:$5.042 |
| tok/s/MW | FP4:3462773FP8:348375 | FP4:362225FP8:144483 | FP4:165341FP8:65536 |
| 并发数 | 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，来自 AgentX 场景的智能体推理指标与固定序列推理指标。