DeepSeek R1 · GB300 NVL72 · 精度对比
GB300 NVL72:FP4 与 FP8 精度对比
在 GB300 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。
在 GB300 NVL72 上运行 DeepSeek R1,目标交互性为 71 tok/s/user 时,FP4 的吞吐量为 11,951 tok/s/chip,每百万 token 成本为 $0.054;FP8 的吞吐量为 3,513 tok/s/chip,每百万 token 成本为 $0.18。在同一芯片上,FP4 的单芯片吞吐量为对方的 3.4 倍,因此每 token 成本低 71%。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 GB300 NVL72 上的目标交互性为 128 tok/s/user 时,FP4 的吞吐量为 4,793 tok/s/chip,每百万 token 成本为 $0.13;FP8 的吞吐量为 817 tok/s/chip,每百万 token 成本为 $0.79。在同一芯片上,FP4 的单芯片吞吐量为对方的 5.9 倍,因此每 token 成本低 83%。不同量化精度下的模型准确率差异可在评估页查看。
在 GB300 NVL72 上运行 DeepSeek R1,目标交互性为 184 tok/s/user 时,FP4 与 FP8 的吞吐量分别为 959 和 117 tok/s/chip,每百万 token 成本分别为 $0.67 和 $5.49。在同一芯片上,FP4 的单芯片吞吐量为对方的 8.2 倍,因此每 token 成本低 88%。较低量化精度下的成本与吞吐量权衡只是整体考量的一部分;模型准确率数据请参阅评估页。 (以上数据基于此 URL 对应的默认 1k/1k 配置;在控件中切换序列长度或模型后,下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置;只有存在相应测试配置时,才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | FP411,951FP83,513 | FP44,793FP8817 | FP4959FP8117 |
| 成本($/M tok) | FP4$0.054FP8$0.18 | FP4$0.13FP8$0.79 | FP4$0.67FP8$5.49 |
| tok/s/MW | FP45,637,396FP81,657,060 | FP42,260,634FP8385,398 | FP4452,544FP855,169 |
| 并发数 | FP4~2,227FP8~938 | FP4~958FP8~181 | FP4~136FP8~20 |
