B200：FP4 与 FP8 精度对比
在 B200（NVIDIA Blackwell）上，比较 FP4 与 FP8 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。
在 B200 上运行 Qwen 3.5 397B-A17B，目标交互性为 75 tok/s/user 时，FP4 与 FP8 的吞吐量分别为 10464 和 5294 tok/s/chip，每百万 token 成本分别为 $0.05 和 $0.09。FP4 的成本效率高出 98%；FP4 的单芯片吞吐量高出 98%。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。
141 tok/s/user 位于 10–273 tok/s/user 交互性区间的中段。在这一运行点，FP4 在 B200 上运行 Qwen 3.5 397B-A17B 的吞吐量为 6518 tok/s/chip，每百万 token 成本为 $0.07；FP8 的吞吐量为 3308 tok/s/chip，每百万 token 成本为 $0.15。FP4 的成本效率高出 97%；FP4 的单芯片吞吐量高出 97%。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。
在 B200 上运行 Qwen 3.5 397B-A17B，目标交互性为 207 tok/s/user 时，FP4 的吞吐量为 4562 tok/s/chip，每百万 token 成本为 $0.11；FP8 的吞吐量为 2304 tok/s/chip，每百万 token 成本为 $0.21。FP4 的成本效率高出 98%；FP4 的单芯片吞吐量高出 98%。较低的量化精度以模型准确率为代价换取更高吞吐量；如需了解对模型质量的影响，请查看评估页。 （以上数据基于此 URL 对应的默认 8k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP4:10464.0FP8:5293.8 | FP4:6517.8FP8:3308.4 | FP4:4561.5FP8:2304.4 |
| 成本（$/M tok） | FP4:$0.046FP8:$0.091 | FP4:$0.074FP8:$0.145 | FP4:$0.105FP8:$0.209 |
| tok/s/MW | FP4:6119298FP8:3095799 | FP4:3811602FP8:1934757 | FP4:2667571FP8:1347578 |
| 并发数 | FP4:~43FP8:~37 | FP4:~11FP8:~12 | FP4:~5FP8:~5 |
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。