Kimi K2.5/K2.6/K2.7-Code 1T · MI355X · 精度对比

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 4,934 和 1,791 tok/s/chip,每百万 token 成本分别为 $0.084 和 $0.23。在同一芯片上,FP4 的单芯片吞吐量高出 176%,因此每 token 成本低 64%。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 3,522 tok/s/chip,每百万 token 成本为 $0.12;INT4 的吞吐量为 1,224 tok/s/chip,每百万 token 成本为 $0.34。在同一芯片上,FP4 的单芯片吞吐量高出 188%,因此每 token 成本低 65%。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 2,692 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。在同一芯片上,FP4 的单芯片吞吐量为对方的 3.1 倍,因此每 token 成本低 68%。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)
FP44,934INT41,791
FP43,522INT41,224
FP42,692INT4863
成本($/M tok)
FP4$0.084INT4$0.23
FP4$0.12INT4$0.34
FP4$0.15INT4$0.48
tok/s/MW
FP42,360,720INT4856,871
FP41,685,225INT4585,711
FP41,287,933INT4412,954
并发数
FP4~250INT4~31
FP4~49INT4~13
FP4~20INT4~6
Kimi K2.5/K2.6/K2.7-Code 1T:MI355X 上 FP4 与 INT4 在相同交互性水平下的吞吐量与成本
MI355X 上 FP4 与 INT4 在此对比默认工作负载下的吞吐量与每百万 token 成本
查看大图 ↗