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 54 tok/s/user 交互性下的吞吐量：FP4 为 1059 tok/s/GPU，INT4 为 403。每百万 token 成本分别为 $0.61 和 $1.63。FP4 每 token 成本低 166%；FP4 每 GPU 吞吐量高出 163%。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 35–111 tok/s/user 交互性区间的中部，即 Kimi K2.5/K2.6/K2.7-Code 1T（B300）上以 73 tok/s/user 运行时：FP4 达到 926 tok/s/GPU（$0.70/百万 token），INT4 达到 285（$2.28/百万）。FP4 每 token 成本低 225%；FP4 每 GPU 吞吐量高出 226%。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 92 tok/s/user 交互性运行时，FP4 吞吐量为 911 tok/s/GPU，每百万 token 成本 $0.71；INT4 吞吐量为 193 tok/s/GPU，成本 $3.34。FP4 每 token 成本低 367%；FP4 每 GPU 吞吐量高出 373%。低精度量化以模型精度换取吞吐量——请查看评估页面了解质量影响。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:1059.3INT4:403.4 | FP4:926.1INT4:284.5 | FP4:911.5INT4:192.8 |
| Cost ($/M tok) | FP4:$0.612INT4:$1.627 | FP4:$0.703INT4:$2.285 | FP4:$0.714INT4:$3.337 |
| tok/s/MW | FP4:488139INT4:185888 | FP4:426791INT4:131107 | FP4:420039INT4:88842 |
| Concurrency | FP4:~40INT4:~32 | FP4:~26INT4:~8 | FP4:~21INT4:~4 |
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。