DeepSeek R1 · GB200 NVL72 · 精度对比

GB200 NVL72:FP4 与 FP8 精度对比

在 GB200 NVL72(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 GB200 NVL72 上的目标交互性为 76 tok/s/user 时,FP4 的吞吐量为 12,458 tok/s/chip,每百万 token 成本为 $0.041;FP8 的吞吐量为 5,749 tok/s/chip,每百万 token 成本为 $0.090。在同一芯片上,FP4 的单芯片吞吐量高出 117%,因此每 token 成本低 54%。不同量化精度下的模型准确率差异可在评估页查看。

在 GB200 NVL72 上运行 DeepSeek R1,目标交互性为 120 tok/s/user 时,FP4 与 FP8 的吞吐量分别为 9,356 和 3,988 tok/s/chip,每百万 token 成本分别为 $0.055 和 $0.13。在同一芯片上,FP4 的单芯片吞吐量高出 135%,因此每 token 成本低 57%。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。

164 tok/s/user 接近 32–208 tok/s/user 交互性区间的上限。在这一运行点,FP4 在 GB200 NVL72 上运行 DeepSeek R1 的吞吐量为 3,995 tok/s/chip,每百万 token 成本为 $0.13;FP8 的吞吐量为 818 tok/s/chip,每百万 token 成本为 $0.63。在同一芯片上,FP4 的单芯片吞吐量为对方的 4.9 倍,因此每 token 成本低 80%。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)
FP412,458FP85,749
FP49,356FP83,988
FP43,995FP8818
成本($/M tok)
FP4$0.041FP8$0.090
FP4$0.055FP8$0.13
FP4$0.13FP8$0.63
tok/s/MW
FP46,662,190FP83,074,446
FP45,003,271FP82,132,361
FP42,136,436FP8437,312
并发数
FP4~1,076FP8~618
FP4~721FP8~333
FP4~164FP8~27
DeepSeek R1:GB200 NVL72 上 FP4 与 FP8 在相同交互性水平下的吞吐量与成本
GB200 NVL72 上 FP4 与 FP8 在此对比默认工作负载下的吞吐量与每百万 token 成本
查看大图 ↗