MI355X：FP4 与 INT4 精度对比
在 MI355X（AMD CDNA 4）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 MI355X 上运行 Kimi K2.5/K2.6/K2.7-Code 1T，目标交互性为 27 tok/s/user 时，FP4 与 INT4 的吞吐量分别为 4934 和 1791 tok/s/chip，每百万 token 成本分别为 $0.08 和 $0.23。FP4 的成本效率高出 176%；FP4 的单芯片吞吐量高出 176%。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。
44 tok/s/user 位于 11–78 tok/s/user 交互性区间的中段。在这一运行点，FP4 在 MI355X 上运行 Kimi K2.5/K2.6/K2.7-Code 1T 的吞吐量为 3522 tok/s/chip，每百万 token 成本为 $0.12；INT4 的吞吐量为 1224 tok/s/chip，每百万 token 成本为 $0.34。FP4 的成本效率高出 188%；FP4 的单芯片吞吐量高出 188%。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 MI355X 上运行 Kimi K2.5/K2.6/K2.7-Code 1T，目标交互性为 61 tok/s/user 时，FP4 的吞吐量为 2692 tok/s/chip，每百万 token 成本为 $0.15；INT4 的吞吐量为 863 tok/s/chip，每百万 token 成本为 $0.48。FP4 的成本效率高出 212%；FP4 的单芯片吞吐量高出 212%。较低的量化精度以模型准确率为代价换取更高吞吐量；如需了解对模型质量的影响，请查看评估页。 （以上数据基于此 URL 对应的默认 8k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP4:4933.9INT4:1790.9 | FP4:3522.1INT4:1224.1 | FP4:2691.8INT4:863.1 |
| 成本（$/M tok） | FP4:$0.084INT4:$0.233 | FP4:$0.118INT4:$0.340 | FP4:$0.155INT4:$0.483 |
| tok/s/MW | FP4:2360720INT4:856871 | FP4:1685225INT4:585711 | FP4:1287933INT4:412954 |
| 并发数 | FP4:~250INT4:~31 | FP4:~49INT4:~13 | FP4:~20INT4:~6 |
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。