Llama 3.3 70B · B200 · 精度对比

B200:FP4 与 FP8 精度对比

在 B200(NVIDIA Blackwell)上,比较 FP4 与 FP8 两种量化精度对 Llama 3.3 70B 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 B200 上运行 Llama 3.3 70B,目标交互性为 76 tok/s/user 时,FP4 的吞吐量为 5,971 tok/s/chip,每百万 token 成本为 $0.080;FP8 的吞吐量为 4,431 tok/s/chip,每百万 token 成本为 $0.11。在同一芯片上,FP4 的单芯片吞吐量高出 35%,因此每 token 成本低 26%。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。

当 Llama 3.3 70B 在 B200 上的目标交互性为 108 tok/s/user 时,FP4 的吞吐量为 3,099 tok/s/chip,每百万 token 成本为 $0.16;FP8 的吞吐量为 2,744 tok/s/chip,每百万 token 成本为 $0.18。在同一芯片上,FP4 的单芯片吞吐量高出 13%,因此每 token 成本低 11%。不同量化精度下的模型准确率差异可在评估页查看。

在 B200 上运行 Llama 3.3 70B,目标交互性为 139 tok/s/user 时,FP4 与 FP8 的吞吐量分别为 1,032 和 912 tok/s/chip,每百万 token 成本分别为 $0.47 和 $0.53。在同一芯片上,FP4 的单芯片吞吐量高出 13%,因此每 token 成本低 12%。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。 (以上数据基于此 URL 对应的默认 1k/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)
FP45,971FP84,431
FP43,099FP82,744
FP41,032FP8912
成本($/M tok)
FP4$0.080FP8$0.11
FP4$0.16FP8$0.18
FP4$0.47FP8$0.53
tok/s/MW
FP43,491,881FP82,591,472
FP41,812,036FP81,604,732
FP4603,441FP8533,421
并发数
FP4~84FP8~128
FP4~63FP8~54
FP4~16FP8~16
Llama 3.3 70B:B200 上 FP4 与 FP8 在相同交互性水平下的吞吐量与成本
B200 上 FP4 与 FP8 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 ↗