GB300 NVL72: FP4 vs FP8 精度对比
在 GB300 NVL72（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（GB300 NVL72）上以 71 tok/s/user 交互性运行时，FP4 吞吐量为 11951 tok/s/GPU，每百万 token 成本 $0.06；FP8 吞吐量为 3513 tok/s/GPU，成本 $0.21。FP4 每 token 成本低 241%；FP4 每 GPU 吞吐量高出 240%。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（GB300 NVL72）上以 128 tok/s/user 运行时达到 4793 tok/s/GPU（每百万 token $0.15）；FP8 达到 817 tok/s/GPU（$0.90）。FP4 每 token 成本低 484%；FP4 每 GPU 吞吐量高出 487%。量化级别的精度差异在评估页面中跟踪。
DeepSeek R1（GB300 NVL72）在 184 tok/s/user 交互性下的吞吐量：FP4 为 959 tok/s/GPU，FP8 为 117。每百万 token 成本分别为 $0.81 和 $6.40。FP4 每 token 成本低 693%；FP4 每 GPU 吞吐量高出 720%。低精度带来的成本-吞吐量权衡只是全貌的一部分——请参阅评估页面的精度数据。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:11951.3FP8:3513.0 | FP4:4792.5FP8:817.0 | FP4:959.4FP8:117.0 |
| Cost ($/M tok) | FP4:$0.062FP8:$0.210 | FP4:$0.154FP8:$0.901 | FP4:$0.808FP8:$6.404 |
| tok/s/MW | FP4:5691086FP8:1672841 | FP4:2282164FP8:389069 | FP4:456854FP8:55694 |
| Concurrency | FP4:~2227FP8:~938 | FP4:~958FP8:~181 | FP4:~136FP8:~20 |
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。