B200: FP4 vs INT4 精度对比
在 B200（NVIDIA Blackwell）上对比 FP4 与 INT4 精度对 Kimi K2.5/K2.6/K2.7-Code 1T 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 Kimi K2.5/K2.6/K2.7-Code 1T（B200）上以 55 tok/s/user 运行时达到 1057 tok/s/GPU（每百万 token $0.51）；INT4 达到 344 tok/s/GPU（$1.57）。FP4 每 token 成本低 208%；FP4 每 GPU 吞吐量高出 207%。量化级别的精度差异在评估页面中跟踪。
Kimi K2.5/K2.6/K2.7-Code 1T（B200）在 73 tok/s/user 交互性下的吞吐量：FP4 为 713 tok/s/GPU，INT4 为 227。每百万 token 成本分别为 $0.76 和 $2.37。FP4 每 token 成本低 213%；FP4 每 GPU 吞吐量高出 215%。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 37–109 tok/s/user 交互性区间的高端，即 Kimi K2.5/K2.6/K2.7-Code 1T（B200）上以 91 tok/s/user 运行时：FP4 达到 507 tok/s/GPU（$1.06/百万 token），INT4 达到 158（$3.45/百万）。FP4 每 token 成本低 226%；FP4 每 GPU 吞吐量高出 221%。精度变更同时影响推理速度和模型质量——请查阅评估页面的精度基准测试。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:1057.2INT4:344.4 | FP4:712.9INT4:226.6 | FP4:506.6INT4:157.8 |
| Cost ($/M tok) | FP4:$0.509INT4:$1.569 | FP4:$0.756INT4:$2.367 | FP4:$1.058INT4:$3.449 |
| tok/s/MW | FP4:487171INT4:158708 | FP4:328507INT4:104410 | FP4:233471INT4:72714 |
| Concurrency | FP4:~41INT4:~25 | FP4:~20INT4:~12 | FP4:~11INT4:~7 |
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。