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 5971 tok/s/chip，每百万 token 成本为 $0.08；FP8 的吞吐量为 4431 tok/s/chip，每百万 token 成本为 $0.11。FP4 的成本效率高出 35%；FP4 的单芯片吞吐量高出 35%。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 3099 tok/s/chip，每百万 token 成本为 $0.16；FP8 的吞吐量为 2744 tok/s/chip，每百万 token 成本为 $0.18。FP4 的成本效率高出 13%；FP4 的单芯片吞吐量高出 13%。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 1032 和 912 tok/s/chip，每百万 token 成本分别为 $0.47 和 $0.53。FP4 的成本效率高出 13%；FP4 的单芯片吞吐量高出 13%。较低量化精度下的成本与吞吐量权衡只是整体考量的一部分；模型准确率数据请参阅评估页。 （以上数据基于此 URL 对应的默认 1k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP4:5971.1FP8:4431.4 | FP4:3098.6FP8:2744.1 | FP4:1031.9FP8:912.2 |
| 成本（$/M tok） | FP4:$0.080FP8:$0.108 | FP4:$0.155FP8:$0.175 | FP4:$0.466FP8:$0.527 |
| tok/s/MW | FP4:3491881FP8:2591472 | FP4:1812036FP8:1604732 | FP4:603441FP8:533421 |
| 并发数 | FP4:~84FP8:~128 | FP4:~63FP8:~54 | FP4:~16FP8:~16 |
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。