B200: FP4 vs FP8 精度对比
在 B200（NVIDIA Blackwell）上对比 FP4 与 FP8 精度对 Llama 3.3 70B 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。
在 Llama 3.3 70B（B200）上以 76 tok/s/user 交互性运行时，FP4 吞吐量为 5971 tok/s/GPU，每百万 token 成本 $0.09；FP8 吞吐量为 4431 tok/s/GPU，成本 $0.12。FP4 每 token 成本低 32%；FP4 每 GPU 吞吐量高出 35%。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。
FP4 在 Llama 3.3 70B（B200）上以 108 tok/s/user 运行时达到 3099 tok/s/GPU（每百万 token $0.18）；FP8 达到 2744 tok/s/GPU（$0.20）。FP4 每 token 成本低 12%；FP4 每 GPU 吞吐量高出 13%。量化级别的精度差异在评估页面中跟踪。
Llama 3.3 70B（B200）在 139 tok/s/user 交互性下的吞吐量：FP4 为 1032 tok/s/GPU，FP8 为 912。每百万 token 成本分别为 $0.53 和 $0.58。FP4 每 token 成本低 10%；FP4 每 GPU 吞吐量高出 13%。低精度带来的成本-吞吐量权衡只是全貌的一部分——请参阅评估页面的精度数据。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:5971.1FP8:4431.4 | FP4:3098.6FP8:2744.1 | FP4:1031.9FP8:912.2 |
| Cost ($/M tok) | FP4:$0.093FP8:$0.122 | FP4:$0.176FP8:$0.198 | FP4:$0.527FP8:$0.581 |
| tok/s/MW | FP4:2751667FP8:2042128 | FP4:1427918FP8:1264558 | FP4:475523FP8:420346 |
| Concurrency | 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的推理性能指标。