Qwen 3.5 397B-A17B · B200 · 精度对比

B200:FP4 与 BF16 精度对比

在 B200(NVIDIA Blackwell)上,比较 FP4 与 BF16 两种量化精度对 Qwen 3.5 397B-A17B 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 Qwen 3.5 397B-A17B 在 B200 上的目标交互性为 112 tok/s/user 时,FP4 的吞吐量为 4,731 tok/s/chip,每百万 token 成本为 $0.10;BF16 的吞吐量为 1,216 tok/s/chip,每百万 token 成本为 $0.40。在同一芯片上,FP4 的单芯片吞吐量为对方的 3.9 倍,因此每 token 成本低 74%。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 Qwen 3.5 397B-A17B,目标交互性为 166 tok/s/user 时,FP4 与 BF16 的吞吐量分别为 1,864 和 660 tok/s/chip,每百万 token 成本分别为 $0.26 和 $0.73。在同一芯片上,FP4 的单芯片吞吐量高出 182%,因此每 token 成本低 65%。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。

219 tok/s/user 接近 59–272 tok/s/user 交互性区间的上限。在这一运行点,FP4 在 B200 上运行 Qwen 3.5 397B-A17B 的吞吐量为 1,014 tok/s/chip,每百万 token 成本为 $0.47;BF16 的吞吐量为 299 tok/s/chip,每百万 token 成本为 $1.60。在同一芯片上,FP4 的单芯片吞吐量为对方的 3.4 倍,因此每 token 成本低 70%。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。)

数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。

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)
FP44,731BF161,216
FP41,864BF16660
FP41,014BF16299
成本($/M tok)
FP4$0.10BF16$0.40
FP4$0.26BF16$0.73
FP4$0.47BF16$1.60
tok/s/MW
FP42,766,489BF16711,170
FP41,090,275BF16386,094
FP4592,803BF16175,125
并发数
FP4~199BF16~49
FP4~51BF16~18
FP4~5BF16~6
Qwen 3.5 397B-A17B:B200 上 FP4 与 BF16 在相同交互性水平下的吞吐量与成本
B200 上 FP4 与 BF16 在此对比默认工作负载下的吞吐量与每百万 token 成本
查看大图 ↗