B200: FP4 vs FP8 精度对比
在 B200（NVIDIA Blackwell）上对比 FP4 与 FP8 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。
Qwen 3.5 397B-A17B（B200）在 95 tok/s/user 交互性下的吞吐量：FP4 为 5845 tok/s/GPU，FP8 为 1931。每百万 token 成本分别为 $0.09 和 $0.28。FP4 每 token 成本低 206%；FP4 每 GPU 吞吐量高出 203%。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 31–286 tok/s/user 交互性区间的中部，即 Qwen 3.5 397B-A17B（B200）上以 159 tok/s/user 运行时：FP4 达到 2193 tok/s/GPU（$0.25/百万 token），FP8 达到 876（$0.61/百万）。FP4 每 token 成本低 149%；FP4 每 GPU 吞吐量高出 150%。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。
在 Qwen 3.5 397B-A17B（B200）上以 223 tok/s/user 交互性运行时，FP4 吞吐量为 995 tok/s/GPU，每百万 token 成本 $0.54；FP8 吞吐量为 536 tok/s/GPU，成本 $0.98。FP4 每 token 成本低 82%；FP4 每 GPU 吞吐量高出 86%。低精度量化以模型精度换取吞吐量——请查看评估页面了解质量影响。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:5844.9FP8:1930.9 | FP4:2192.5FP8:875.7 | FP4:995.1FP8:535.6 |
| Cost ($/M tok) | FP4:$0.093FP8:$0.283 | FP4:$0.245FP8:$0.610 | FP4:$0.538FP8:$0.977 |
| tok/s/MW | FP4:2693503FP8:889821 | FP4:1010391FP8:403569 | FP4:458588FP8:246841 |
| Concurrency | FP4:~286FP8:~45 | FP4:~73FP8:~12 | FP4:~4FP8:~5 |
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。