B200: FP4 vs BF16 精度对比
在 B200（NVIDIA Blackwell）上对比 FP4 与 BF16 精度对 Qwen 3.5 397B-A17B 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 Qwen 3.5 397B-A17B（B200）上以 112 tok/s/user 运行时达到 4731 tok/s/GPU（每百万 token $0.11）；BF16 达到 1216 tok/s/GPU（$0.46）。FP4 每 token 成本低 306%；FP4 每 GPU 吞吐量高出 289%。量化级别的精度差异在评估页面中跟踪。
Qwen 3.5 397B-A17B（B200）在 166 tok/s/user 交互性下的吞吐量：FP4 为 1864 tok/s/GPU，BF16 为 660。每百万 token 成本分别为 $0.29 和 $0.82。FP4 每 token 成本低 181%；FP4 每 GPU 吞吐量高出 182%。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 59–272 tok/s/user 交互性区间的高端，即 Qwen 3.5 397B-A17B（B200）上以 219 tok/s/user 运行时：FP4 达到 1014 tok/s/GPU（$0.53/百万 token），BF16 达到 299（$1.88/百万）。FP4 每 token 成本低 254%；FP4 每 GPU 吞吐量高出 239%。精度变更同时影响推理速度和模型质量——请查阅评估页面的精度基准测试。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:4730.7BF16:1216.1 | FP4:1864.4BF16:660.2 | FP4:1013.7BF16:299.5 |
| Cost ($/M tok) | FP4:$0.113BF16:$0.460 | FP4:$0.293BF16:$0.823 | FP4:$0.530BF16:$1.875 |
| tok/s/MW | FP4:2180044BF16:560415 | FP4:859157BF16:304249 | FP4:467140BF16:138002 |
| Concurrency | FP4:~199BF16:~49 | FP4:~51BF16:~18 | FP4:~5BF16:~6 |
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。