B300: FP4 vs BF16 精度对比
在 B300（NVIDIA Blackwell）上对比 FP4 与 BF16 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。
在 Qwen 3.5 397B-A17B（B300）上以 102 tok/s/user 交互性运行时，FP4 吞吐量为 4220 tok/s/GPU，每百万 token 成本 $0.15；BF16 吞吐量为 1366 tok/s/GPU，成本 $0.47。FP4 每 token 成本低 211%；FP4 每 GPU 吞吐量高出 209%。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。
FP4 在 Qwen 3.5 397B-A17B（B300）上以 160 tok/s/user 运行时达到 2057 tok/s/GPU（每百万 token $0.32）；BF16 达到 712 tok/s/GPU（$0.91）。FP4 每 token 成本低 188%；FP4 每 GPU 吞吐量高出 189%。量化级别的精度差异在评估页面中跟踪。
Qwen 3.5 397B-A17B（B300）在 218 tok/s/user 交互性下的吞吐量：FP4 为 1242 tok/s/GPU，BF16 为 466。每百万 token 成本分别为 $0.52 和 $1.37。FP4 每 token 成本低 161%；FP4 每 GPU 吞吐量高出 167%。低精度带来的成本-吞吐量权衡只是全貌的一部分——请参阅评估页面的精度数据。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:4219.8BF16:1365.6 | FP4:2057.5BF16:712.0 | FP4:1242.4BF16:466.0 |
| Cost ($/M tok) | FP4:$0.153BF16:$0.474 | FP4:$0.316BF16:$0.910 | FP4:$0.524BF16:$1.368 |
| tok/s/MW | FP4:1944588BF16:629294 | FP4:948145BF16:328096 | FP4:572556BF16:214753 |
| Concurrency | FP4:~64BF16:~63 | FP4:~16BF16:~20 | FP4:~12BF16:~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。