B200：FP4 与 INT4 精度对比
在 B200（NVIDIA Blackwell）上，比较 FP4 与 INT4 两种量化精度对 Kimi K2.5/K2.6/K2.7-Code 1T 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。
当 Kimi K2.5/K2.6/K2.7-Code 1T 在 B200 上的目标交互性为 49 tok/s/user 时，FP4 的吞吐量为 8817 tok/s/chip，每百万 token 成本为 $0.05；INT4 的吞吐量为 1459 tok/s/chip，每百万 token 成本为 $0.33。FP4 的成本效率高出 504%；FP4 的单芯片吞吐量高出 504%。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 Kimi K2.5/K2.6/K2.7-Code 1T，目标交互性为 68 tok/s/user 时，FP4 与 INT4 的吞吐量分别为 3630 和 1016 tok/s/chip，每百万 token 成本分别为 $0.13 和 $0.47。FP4 的成本效率高出 257%；FP4 的单芯片吞吐量高出 257%。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。
87 tok/s/user 接近 30–105 tok/s/user 交互性区间的上限。在这一运行点，FP4 在 B200 上运行 Kimi K2.5/K2.6/K2.7-Code 1T 的吞吐量为 1968 tok/s/chip，每百万 token 成本为 $0.24；INT4 的吞吐量为 655 tok/s/chip，每百万 token 成本为 $0.73。FP4 的成本效率高出 201%；FP4 的单芯片吞吐量高出 201%。调整量化精度会同时影响推理速度和模型质量；模型准确率基准测试请参阅评估页。 （以上数据基于此 URL 对应的默认 8k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP4:8816.7INT4:1458.5 | FP4:3629.8INT4:1016.4 | FP4:1968.2INT4:654.7 |
| 成本（$/M tok） | FP4:$0.055INT4:$0.329 | FP4:$0.132INT4:$0.473 | FP4:$0.244INT4:$0.734 |
| tok/s/MW | FP4:5155980INT4:852937 | FP4:2122686INT4:594390 | FP4:1151001INT4:382858 |
| 并发数 | FP4:~309INT4:~26 | FP4:~171INT4:~13 | FP4:~123INT4:~7 |
推理性能
不同模型、硬件配置和服务参数下，来自 AgentX 场景的智能体推理指标与固定序列推理指标。