Kimi K2.5/K2.6/K2.7-Code 1T · B200 · 精度对比
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 8,817 tok/s/chip,每百万 token 成本为 $0.055;INT4 的吞吐量为 1,459 tok/s/chip,每百万 token 成本为 $0.33。在同一芯片上,FP4 的单芯片吞吐量为对方的 6.0 倍,因此每 token 成本低 83%。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 3,630 和 1,016 tok/s/chip,每百万 token 成本分别为 $0.13 和 $0.47。在同一芯片上,FP4 的单芯片吞吐量为对方的 3.6 倍,因此每 token 成本低 72%。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 1,968 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 $0.73。在同一芯片上,FP4 的单芯片吞吐量为对方的 3.0 倍,因此每 token 成本低 67%。调整量化精度会同时影响推理速度和模型质量;模型准确率基准测试请参阅评估页。 (以上数据基于此 URL 对应的默认 8k/1k 配置;在控件中切换序列长度或模型后,下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置;只有存在相应测试配置时,才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | FP48,817INT41,459 | FP43,630INT41,016 | FP41,968INT4655 |
| 成本($/M tok) | FP4$0.055INT4$0.33 | FP4$0.13INT4$0.47 | FP4$0.24INT4$0.73 |
| tok/s/MW | FP45,155,980INT4852,937 | FP42,122,686INT4594,390 | FP41,151,001INT4382,858 |
| 并发数 | FP4~309INT4~26 | FP4~171INT4~13 | FP4~123INT4~7 |
