B200: FP4 vs FP8 精度对比
在 B200（NVIDIA Blackwell）上对比 FP4 与 FP8 精度对 GLM 5/5.1 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 GLM 5/5.1（B200）上以 41 tok/s/user 交互性运行时，FP4 吞吐量为 3136 tok/s/GPU，每百万 token 成本 $0.17；FP8 吞吐量为 1507 tok/s/GPU，成本 $0.36。FP4 每 token 成本低 108%；FP4 每 GPU 吞吐量高出 108%。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 GLM 5/5.1（B200）上以 68 tok/s/user 运行时达到 2240 tok/s/GPU（每百万 token $0.24）；FP8 达到 1048 tok/s/GPU（$0.52）。FP4 每 token 成本低 114%；FP4 每 GPU 吞吐量高出 114%。量化级别的精度差异在评估页面中跟踪。
GLM 5/5.1（B200）在 95 tok/s/user 交互性下的吞吐量：FP4 为 1613 tok/s/GPU，FP8 为 706。每百万 token 成本分别为 $0.34 和 $0.77。FP4 每 token 成本低 128%；FP4 每 GPU 吞吐量高出 129%。低精度带来的成本-吞吐量权衡只是全貌的一部分——请参阅评估页面的精度数据。 （数据反映此 URL 的默认 8k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:3135.7FP8:1507.5 | FP4:2240.1FP8:1047.5 | FP4:1613.4FP8:706.1 |
| Cost ($/M tok) | FP4:$0.173FP8:$0.360 | FP4:$0.242FP8:$0.518 | FP4:$0.336FP8:$0.766 |
| tok/s/MW | FP4:1445043FP8:694691 | FP4:1032326FP8:482732 | FP4:743510FP8:325370 |
| Concurrency | FP4:~35FP8:~58 | FP4:~15FP8:~15 | FP4:~8FP8:~7 |
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。