MI355X：FP4 与 FP8 精度对比
在 MI355X（AMD CDNA 4）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。
当 Llama 3.3 70B 在 MI355X 上的目标交互性为 55 tok/s/user 时，FP4 的吞吐量为 2160 tok/s/chip，每百万 token 成本为 $0.19；FP8 的吞吐量为 2185 tok/s/chip，每百万 token 成本为 $0.19。FP8 的成本效率高出 1%；FP8 的单芯片吞吐量高出 1%。不同量化精度下的模型准确率差异可在评估页查看。
在 MI355X 上运行 Llama 3.3 70B，目标交互性为 76 tok/s/user 时，FP4 与 FP8 的吞吐量分别为 1069 和 1504 tok/s/chip，每百万 token 成本分别为 $0.39 和 $0.28。FP8 的成本效率高出 41%；FP8 的单芯片吞吐量高出 41%。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。
96 tok/s/user 接近 36–116 tok/s/user 交互性区间的上限。在这一运行点，FP4 在 MI355X 上运行 Llama 3.3 70B 的吞吐量为 525 tok/s/chip，每百万 token 成本为 $0.79；FP8 的吞吐量为 750 tok/s/chip，每百万 token 成本为 $0.56。FP8 的成本效率高出 43%；FP8 的单芯片吞吐量高出 43%。调整量化精度会同时影响推理速度和模型质量；模型准确率基准测试请参阅评估页。 （以上数据基于此 URL 对应的默认 1k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP4:2159.8FP8:2185.4 | FP4:1068.5FP8:1504.0 | FP4:525.2FP8:749.9 |
| 成本（$/M tok） | FP4:$0.193FP8:$0.191 | FP4:$0.390FP8:$0.277 | FP4:$0.793FP8:$0.556 |
| tok/s/MW | FP4:1033411FP8:1045629 | FP4:511257FP8:719612 | FP4:251307FP8:358781 |
| 并发数 | 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，来自 AgentX 场景的智能体推理指标与固定序列推理指标。