B200：FP4 与 FP8 精度对比

在 B200 上运行 GLM 5/5.1，目标交互性为 46 tok/s/user 时，FP4 的吞吐量为 2935 tok/s/chip，每百万 token 成本为 $0.16；FP8 的吞吐量为 1381 tok/s/chip，每百万 token 成本为 $0.35。FP4 的成本效率高出 113%；FP4 的单芯片吞吐量高出 113%。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 GLM 5/5.1 在 B200 上的目标交互性为 78 tok/s/user 时，FP4 的吞吐量为 1980 tok/s/chip，每百万 token 成本为 $0.24；FP8 的吞吐量为 906 tok/s/chip，每百万 token 成本为 $0.53。FP4 的成本效率高出 119%；FP4 的单芯片吞吐量高出 119%。不同量化精度下的模型准确率差异可在评估页查看。

在 B200 上运行 GLM 5/5.1，目标交互性为 110 tok/s/user 时，FP4 与 FP8 的吞吐量分别为 1417 和 568 tok/s/chip，每百万 token 成本分别为 $0.34 和 $0.85。FP4 的成本效率高出 149%；FP4 的单芯片吞吐量高出 149%。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 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。）