MI355X: FP4 vs INT4 精度对比
在 MI355X（AMD CDNA 4）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（MI355X）在 39 tok/s/user 交互性下的吞吐量：FP4 为 1064 tok/s/GPU，INT4 为 496。每百万 token 成本分别为 $0.39 和 $0.82。FP4 每 token 成本低 109%；FP4 每 GPU 吞吐量高出 115%。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 24–85 tok/s/user 交互性区间的中部，即 Kimi K2.5/K2.6/K2.7-Code 1T（MI355X）上以 54 tok/s/user 运行时：FP4 达到 632 tok/s/GPU（$0.66/百万 token），INT4 达到 334（$1.22/百万）。FP4 每 token 成本低 85%；FP4 每 GPU 吞吐量高出 89%。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（MI355X）上以 70 tok/s/user 交互性运行时，FP4 吞吐量为 541 tok/s/GPU，每百万 token 成本 $0.76；INT4 吞吐量为 230 tok/s/GPU，成本 $1.80。FP4 每 token 成本低 137%；FP4 每 GPU 吞吐量高出 135%。低精度量化以模型精度换取吞吐量——请查看评估页面了解质量影响。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:1064.0INT4:495.8 | FP4:631.8INT4:334.4 | FP4:541.4INT4:230.0 |
| Cost ($/M tok) | FP4:$0.391INT4:$0.817 | FP4:$0.658INT4:$1.221 | FP4:$0.759INT4:$1.801 |
| tok/s/MW | FP4:401520INT4:187100 | FP4:238416INT4:126186 | FP4:204296INT4:86775 |
| Concurrency | FP4:~120INT4:~57 | FP4:~24INT4:~12 | FP4:~16INT4:~6 |
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。