GB300 NVL72: FP4 vs FP8 精度对比
在 GB300 NVL72（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 19–67 tok/s/user 交互性区间的低端，即 GLM 5/5.1（GB300 NVL72）上以 31 tok/s/user 运行时：FP4 达到 9820 tok/s/GPU（$0.07/百万 token），FP8 达到 3824（$0.19/百万）。FP4 每 token 成本低 158%；FP4 每 GPU 吞吐量高出 157%。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。
在 GLM 5/5.1（GB300 NVL72）上以 43 tok/s/user 交互性运行时，FP4 吞吐量为 4835 tok/s/GPU，每百万 token 成本 $0.16；FP8 吞吐量为 276 tok/s/GPU，成本 $2.67。FP4 每 token 成本低 1604%；FP4 每 GPU 吞吐量高出 1654%。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（GB300 NVL72）上以 55 tok/s/user 运行时达到 849 tok/s/GPU（每百万 token $0.87）；FP8 达到 93 tok/s/GPU（$7.90）。FP4 每 token 成本低 813%；FP4 每 GPU 吞吐量高出 811%。量化级别的精度差异在评估页面中跟踪。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:9819.9FP8:3824.1 | FP4:4835.0FP8:275.7 | FP4:849.2FP8:93.2 |
| Cost ($/M tok) | FP4:$0.075FP8:$0.193 | FP4:$0.157FP8:$2.674 | FP4:$0.866FP8:$7.904 |
| tok/s/MW | FP4:4676128FP8:1820984 | FP4:2302365FP8:131293 | FP4:404388FP8:44379 |
| Concurrency | FP4:~3732FP8:~6137 | FP4:~2253FP8:~258 | FP4:~357FP8:~67 |
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。