B300: FP4 vs INT4 精度对比
在 B300（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。
Kimi K2.5/K2.6/K2.7-Code 1T（B300）在 44 tok/s/user 交互性下的吞吐量：FP4 为 3878 tok/s/Chip，INT4 为 2025。每百万 token 成本分别为 $0.16 和 $0.31。FP4 每 token 成本低 91%；FP4 每 Chip 吞吐量高出 91%。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 23–108 tok/s/user 交互性区间的中部，即 Kimi K2.5/K2.6/K2.7-Code 1T（B300）上以 65 tok/s/user 运行时：FP4 达到 2818 tok/s/Chip（$0.22/百万 token），INT4 达到 1409（$0.45/百万）。FP4 每 token 成本低 100%；FP4 每 Chip 吞吐量高出 100%。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。
在 Kimi K2.5/K2.6/K2.7-Code 1T（B300）上以 87 tok/s/user 交互性运行时，FP4 吞吐量为 2079 tok/s/Chip，每百万 token 成本 $0.30；INT4 吞吐量为 882 tok/s/Chip，成本 $0.71。FP4 每 token 成本低 136%；FP4 每 Chip 吞吐量高出 136%。低精度量化以模型精度换取吞吐量——请查看评估页面了解质量影响。 （数据反映此 URL 的默认 8k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | FP4:3877.6INT4:2025.1 | FP4:2817.9INT4:1409.3 | FP4:2078.7INT4:882.5 |
| Cost ($/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 |
| Concurrency | 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。