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 87 tok/s/user 时，FP4 与 FP8 的吞吐量分别为 9914 和 7460 tok/s/chip，每百万 token 成本分别为 $0.05 和 $0.06。FP4 的成本效率高出 33%；FP4 的单芯片吞吐量高出 33%。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。
165 tok/s/user 位于 10–320 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 5654 tok/s/chip，每百万 token 成本为 $0.09；FP8 的吞吐量为 4586 tok/s/chip，每百万 token 成本为 $0.10。FP4 的成本效率高出 23%；FP4 的单芯片吞吐量高出 23%。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 243 tok/s/user 时，FP4 的吞吐量为 3716 tok/s/chip，每百万 token 成本为 $0.13；FP8 的吞吐量为 3062 tok/s/chip，每百万 token 成本为 $0.16。FP4 的成本效率高出 21%；FP4 的单芯片吞吐量高出 21%。较低的量化精度以模型准确率为代价换取更高吞吐量；如需了解对模型质量的影响，请查看评估页。 （以上数据基于此 URL 对应的默认 8k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP4:9914.1FP8:7460.3 | FP4:5653.6FP8:4585.8 | FP4:3715.7FP8:3062.5 |
| 成本（$/M tok） | FP4:$0.048FP8:$0.064 | FP4:$0.085FP8:$0.105 | FP4:$0.129FP8:$0.157 |
| tok/s/MW | FP4:5797709FP8:4362757 | FP4:3306176FP8:2681759 | FP4:2172936FP8:1790917 |
| 并发数 | FP4:~128FP8:~41 | FP4:~9FP8:~13 | FP4:~4FP8:~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。