B300：FP4 与 INT4 精度对比
在 B300（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。
在 B300 上运行 Kimi K2.5/K2.6/K2.7-Code 1T，目标交互性为 44 tok/s/user 时，FP4 与 INT4 的吞吐量分别为 3878 和 2025 tok/s/chip，每百万 token 成本分别为 $0.16 和 $0.31。FP4 的成本效率高出 91%；FP4 的单芯片吞吐量高出 91%。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。
65 tok/s/user 位于 23–108 tok/s/user 交互性区间的中段。在这一运行点，FP4 在 B300 上运行 Kimi K2.5/K2.6/K2.7-Code 1T 的吞吐量为 2818 tok/s/chip，每百万 token 成本为 $0.22；INT4 的吞吐量为 1409 tok/s/chip，每百万 token 成本为 $0.45。FP4 的成本效率高出 100%；FP4 的单芯片吞吐量高出 100%。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 B300 上运行 Kimi K2.5/K2.6/K2.7-Code 1T，目标交互性为 87 tok/s/user 时，FP4 的吞吐量为 2079 tok/s/chip，每百万 token 成本为 $0.30；INT4 的吞吐量为 882 tok/s/chip，每百万 token 成本为 $0.71。FP4 的成本效率高出 136%；FP4 的单芯片吞吐量高出 136%。较低的量化精度以模型准确率为代价换取更高吞吐量；如需了解对模型质量的影响，请查看评估页。 （以上数据基于此 URL 对应的默认 8k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP4:3877.6INT4:2025.1 | FP4:2817.9INT4:1409.3 | FP4:2078.7INT4:882.5 |
| 成本（$/M tok） | FP4:$0.162INT4:$0.310 | FP4:$0.223INT4:$0.445 | FP4:$0.302INT4:$0.711 |
| tok/s/MW | FP4:2040825INT4:1065851 | FP4:1483089INT4:741740 | FP4:1094062INT4:464463 |
| 并发数 | FP4:~40INT4:~20 | FP4:~20INT4:~10 | FP4:~11INT4:~4 |
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。