Qwen 3.5 397B-A17B · B200 · 精度对比

B200:FP8 与 BF16 精度对比

在 B200(NVIDIA Blackwell)上,比较 FP8 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 101 tok/s/user 时,FP8 的吞吐量为 6,809 tok/s/chip,每百万 token 成本为 $0.071;BF16 的吞吐量为 3,116 tok/s/chip,每百万 token 成本为 $0.15。在同一芯片上,FP8 的单芯片吞吐量高出 119%,因此每 token 成本低 54%。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 157 tok/s/user 时,FP8 与 BF16 的吞吐量分别为 4,802 和 2,011 tok/s/chip,每百万 token 成本分别为 $0.10 和 $0.24。在同一芯片上,FP8 的单芯片吞吐量高出 139%,因此每 token 成本低 58%。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。

212 tok/s/user 接近 47–267 tok/s/user 交互性区间的上限。在这一运行点,FP8 在 B200 上运行 Qwen 3.5 397B-A17B 的吞吐量为 3,596 tok/s/chip,每百万 token 成本为 $0.13;BF16 的吞吐量为 1,296 tok/s/chip,每百万 token 成本为 $0.37。在同一芯片上,FP8 的单芯片吞吐量高出 178%,因此每 token 成本低 64%。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 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。)

数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。

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)
FP86,809BF163,116
FP84,802BF162,011
FP83,596BF161,296
成本($/M tok)
FP8$0.071BF16$0.15
FP8$0.10BF16$0.24
FP8$0.13BF16$0.37
tok/s/MW
FP83,981,704BF161,822,092
FP82,808,282BF161,175,989
FP82,103,152BF16757,728
并发数
FP8~34BF16~31
FP8~15BF16~13
FP8~8BF16~6
Qwen 3.5 397B-A17B:B200 上 FP8 与 BF16 在相同交互性水平下的吞吐量与成本
B200 上 FP8 与 BF16 在此对比默认工作负载下的吞吐量与每百万 token 成本
查看大图 ↗