Kimi K2.5/K2.6/K2.7-Code 1T · B300 · 精度对比
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 3,878 和 2,025 tok/s/chip,每百万 token 成本分别为 $0.16 和 $0.31。在同一芯片上,FP4 的单芯片吞吐量高出 91%,因此每 token 成本低 48%。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 2,818 tok/s/chip,每百万 token 成本为 $0.22;INT4 的吞吐量为 1,409 tok/s/chip,每百万 token 成本为 $0.45。在同一芯片上,FP4 的单芯片吞吐量高出 100%,因此每 token 成本低 50%。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 2,079 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 $0.71。在同一芯片上,FP4 的单芯片吞吐量高出 136%,因此每 token 成本低 58%。较低的量化精度以模型准确率为代价换取更高吞吐量;如需了解对模型质量的影响,请查看评估页。 (以上数据基于此 URL 对应的默认 8k/1k 配置;在控件中切换序列长度或模型后,下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置;只有存在相应测试配置时,才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | FP43,878INT42,025 | FP42,818INT41,409 | FP42,079INT4882 |
| 成本($/M tok) | FP4$0.16INT4$0.31 | FP4$0.22INT4$0.45 | FP4$0.30INT4$0.71 |
| tok/s/MW | FP42,040,825INT41,065,851 | FP41,483,089INT4741,740 | FP41,094,062INT4464,463 |
| 并发数 | FP4~40INT4~20 | FP4~20INT4~10 | FP4~11INT4~4 |
