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 4731 tok/s/chip，每百万 token 成本为 $0.10；BF16 的吞吐量为 1216 tok/s/chip，每百万 token 成本为 $0.40。FP4 的成本效率高出 289%；FP4 的单芯片吞吐量高出 289%。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 1864 和 660 tok/s/chip，每百万 token 成本分别为 $0.26 和 $0.73。FP4 的成本效率高出 182%；FP4 的单芯片吞吐量高出 182%。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 1014 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 $1.60。FP4 的成本效率高出 239%；FP4 的单芯片吞吐量高出 239%。调整量化精度会同时影响推理速度和模型质量；模型准确率基准测试请参阅评估页。 （以上数据基于此 URL 对应的默认 1k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP4:4730.7BF16:1216.1 | FP4:1864.4BF16:660.2 | FP4:1013.7BF16:299.5 |
| 成本（$/M tok） | FP4:$0.102BF16:$0.395 | FP4:$0.258BF16:$0.728 | FP4:$0.474BF16:$1.605 |
| tok/s/MW | FP4:2766489BF16:711170 | FP4:1090275BF16:386094 | FP4:592803BF16:175125 |
| 并发数 | 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，来自 AgentX 场景的智能体推理指标与固定序列推理指标。