Qwen 3.5 397B-A17B · B300 · 精度对比
B300:FP4 与 BF16 精度对比
在 B300(NVIDIA Blackwell)上,比较 FP4 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。
在 B300 上运行 Qwen 3.5 397B-A17B,目标交互性为 102 tok/s/user 时,FP4 的吞吐量为 4,220 tok/s/chip,每百万 token 成本为 $0.15;BF16 的吞吐量为 1,366 tok/s/chip,每百万 token 成本为 $0.46。在同一芯片上,FP4 的单芯片吞吐量为对方的 3.1 倍,因此每 token 成本低 68%。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。
当 Qwen 3.5 397B-A17B 在 B300 上的目标交互性为 160 tok/s/user 时,FP4 的吞吐量为 2,057 tok/s/chip,每百万 token 成本为 $0.31;BF16 的吞吐量为 712 tok/s/chip,每百万 token 成本为 $0.88。在同一芯片上,FP4 的单芯片吞吐量高出 189%,因此每 token 成本低 65%。不同量化精度下的模型准确率差异可在评估页查看。
在 B300 上运行 Qwen 3.5 397B-A17B,目标交互性为 218 tok/s/user 时,FP4 与 BF16 的吞吐量分别为 1,242 和 466 tok/s/chip,每百万 token 成本分别为 $0.51 和 $1.35。在同一芯片上,FP4 的单芯片吞吐量高出 167%,因此每 token 成本低 62%。较低量化精度下的成本与吞吐量权衡只是整体考量的一部分;模型准确率数据请参阅评估页。 (以上数据基于此 URL 对应的默认 1k/1k 配置;在控件中切换序列长度或模型后,下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置;只有存在相应测试配置时,才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | FP44,220BF161,366 | FP42,057BF16712 | FP41,242BF16466 |
| 成本($/M tok) | FP4$0.15BF16$0.46 | FP4$0.31BF16$0.88 | FP4$0.51BF16$1.35 |
| tok/s/MW | FP42,220,925BF16718,720 | FP41,082,881BF16374,720 | FP4653,919BF16245,270 |
| 并发数 | FP4~64BF16~63 | FP4~16BF16~20 | FP4~12BF16~5 |
