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/Chip，FP8 为 1931。每百万 token 成本分别为 $0.08 和 $0.25。FP4 每 token 成本低 203%；FP4 每 Chip 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/Chip（$0.22/百万 token），FP8 达到 876（$0.55/百万）。FP4 每 token 成本低 150%；FP4 每 Chip 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/Chip，每百万 token 成本 $0.48；FP8 吞吐量为 536 tok/s/Chip，成本 $0.90。FP4 每 token 成本低 86%；FP4 每 Chip 吞吐量高出 86%。低精度量化以模型精度换取吞吐量——请查看评估页面了解质量影响。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | FP4:5844.9FP8:1930.9 | FP4:2192.5FP8:875.7 | FP4:995.1FP8:535.6 |
| Cost ($/M tok) | FP4:$0.082FP8:$0.249 | FP4:$0.219FP8:$0.549 | FP4:$0.483FP8:$0.897 |
| tok/s/MW | FP4:3418071FP8:1129188 | FP4:1282192FP8:512131 | FP4:581951FP8:313242 |
| 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，来自 AgentX 场景的智能体推理指标与固定序列推理指标。