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 4312 tok/s/chip，每百万 token 成本为 $0.11；BF16 的吞吐量为 3116 tok/s/chip，每百万 token 成本为 $0.15。FP8 的成本效率高出 38%；FP8 的单芯片吞吐量高出 38%。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 3050 和 2011 tok/s/chip，每百万 token 成本分别为 $0.16 和 $0.24。FP8 的成本效率高出 52%；FP8 的单芯片吞吐量高出 52%。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 2233 tok/s/chip，每百万 token 成本为 $0.22；BF16 的吞吐量为 1296 tok/s/chip，每百万 token 成本为 $0.37。FP8 的成本效率高出 72%；FP8 的单芯片吞吐量高出 72%。调整量化精度会同时影响推理速度和模型质量；模型准确率基准测试请参阅评估页。 （以上数据基于此 URL 对应的默认 8k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP8:4312.3BF16:3115.8 | FP8:3050.2BF16:2010.9 | FP8:2233.2BF16:1295.7 |
| 成本（$/M tok） | FP8:$0.111BF16:$0.154 | FP8:$0.158BF16:$0.239 | FP8:$0.215BF16:$0.371 |
| tok/s/MW | FP8:2521840BF16:1822092 | FP8:1783766BF16:1175989 | FP8:1305985BF16:757728 |
| 并发数 | FP8:~21BF16:~31 | FP8:~10BF16:~13 | FP8:~5BF16:~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。