B300: FP4 vs FP8 精度对比
在 B300（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。
FP4 在 GLM 5/5.1（B300）上以 51 tok/s/user 运行时达到 1775 tok/s/GPU（每百万 token $0.37）；FP8 达到 671 tok/s/GPU（$0.96）。FP4 每 token 成本低 162%；FP4 每 GPU 吞吐量高出 164%。量化级别的精度差异在评估页面中跟踪。
GLM 5/5.1（B300）在 80 tok/s/user 交互性下的吞吐量：FP4 为 1034 tok/s/GPU，FP8 为 424。每百万 token 成本分别为 $0.63 和 $1.52。FP4 每 token 成本低 141%；FP4 每 GPU 吞吐量高出 144%。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。
在 24–136 tok/s/user 交互性区间的高端，即 GLM 5/5.1（B300）上以 108 tok/s/user 运行时：FP4 达到 563 tok/s/GPU（$1.16/百万 token），FP8 达到 235（$2.79/百万）。FP4 每 token 成本低 139%；FP4 每 GPU 吞吐量高出 139%。精度变更同时影响推理速度和模型质量——请查阅评估页面的精度基准测试。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:1775.3FP8:671.2 | FP4:1033.7FP8:424.1 | FP4:563.5FP8:235.3 |
| Cost ($/M tok) | FP4:$0.367FP8:$0.961 | FP4:$0.630FP8:$1.517 | FP4:$1.165FP8:$2.786 |
| tok/s/MW | FP4:818119FP8:309330 | FP4:476359FP8:195437 | FP4:259672FP8:108442 |
| Concurrency | FP4:~73FP8:~54 | FP4:~26FP8:~22 | FP4:~11FP8:~9 |
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。