GLM 5/5.1 · MI355X · 精度对比

MI355X:FP4 与 FP8 精度对比

在 MI355X(AMD CDNA 4)上,比较 FP4 与 FP8 两种量化精度对 GLM 5/5.1 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。

25 tok/s/user 接近 12–66 tok/s/user 交互性区间的下限。在这一运行点,FP4 在 MI355X 上运行 GLM 5/5.1 的吞吐量为 1,169 tok/s/chip,每百万 token 成本为 $0.36;FP8 的吞吐量为 987 tok/s/chip,每百万 token 成本为 $0.42。在同一芯片上,FP4 的单芯片吞吐量高出 18%,因此每 token 成本低 16%。调整量化精度会同时影响推理速度和模型质量;模型准确率基准测试请参阅评估页。

在 MI355X 上运行 GLM 5/5.1,目标交互性为 39 tok/s/user 时,FP4 的吞吐量为 525 tok/s/chip,每百万 token 成本为 $0.79;FP8 的吞吐量为 809 tok/s/chip,每百万 token 成本为 $0.51。在同一芯片上,FP8 的单芯片吞吐量高出 54%,因此每 token 成本低 35%。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 MI355X 上的目标交互性为 53 tok/s/user 时,FP4 的吞吐量为 255 tok/s/chip,每百万 token 成本为 $1.63;FP8 的吞吐量为 447 tok/s/chip,每百万 token 成本为 $0.93。在同一芯片上,FP8 的单芯片吞吐量高出 76%,因此每 token 成本低 43%。不同量化精度下的模型准确率差异可在评估页查看。 (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)
FP41,169FP8987
FP4525FP8809
FP4255FP8447
成本($/M tok)
FP4$0.36FP8$0.42
FP4$0.79FP8$0.51
FP4$1.63FP8$0.93
tok/s/MW
FP4559,384FP8472,302
FP4251,405FP8387,141
FP4121,953FP8214,074
并发数
FP4~94FP8~128
FP4~27FP8~108
FP4~10FP8~17
GLM 5/5.1:MI355X 上 FP4 与 FP8 在相同交互性水平下的吞吐量与成本
MI355X 上 FP4 与 FP8 在此对比默认工作负载下的吞吐量与每百万 token 成本
查看大图 ↗