MI355X: FP4 vs FP8 精度对比
在 MI355X（AMD CDNA 4）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。
FP4 在 Llama 3.3 70B（MI355X）上以 55 tok/s/user 运行时达到 2160 tok/s/GPU（每百万 token $0.19）；FP8 达到 2185 tok/s/GPU（$0.18）。每 token 成本基本持平；FP8 每 GPU 吞吐量高出 1%。量化级别的精度差异在评估页面中跟踪。
Llama 3.3 70B（MI355X）在 76 tok/s/user 交互性下的吞吐量：FP4 为 1069 tok/s/GPU，FP8 为 1504。每百万 token 成本分别为 $0.38 和 $0.27。FP8 每 token 成本低 44%；FP8 每 GPU 吞吐量高出 41%。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。
在 36–116 tok/s/user 交互性区间的高端，即 Llama 3.3 70B（MI355X）上以 96 tok/s/user 运行时：FP4 达到 525 tok/s/GPU（$0.74/百万 token），FP8 达到 750（$0.55/百万）。FP8 每 token 成本低 36%；FP8 每 GPU 吞吐量高出 43%。精度变更同时影响推理速度和模型质量——请查阅评估页面的精度基准测试。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:2159.8FP8:2185.4 | FP4:1068.5FP8:1504.0 | FP4:525.2FP8:749.9 |
| Cost ($/M tok) | FP4:$0.186FP8:$0.185 | FP4:$0.385FP8:$0.267 | FP4:$0.744FP8:$0.548 |
| tok/s/MW | FP4:815030FP8:824666 | FP4:403218FP8:567543 | FP4:198201FP8:282963 |
| Concurrency | FP4:~54FP8:~52 | FP4:~29FP8:~44 | FP4:~12FP8:~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。