B300：FP4 与 FP8 精度对比
在 B300（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。
当 Qwen 3.5 397B-A17B 在 B300 上的目标交互性为 96 tok/s/user 时，FP4 的吞吐量为 4547 tok/s/chip，每百万 token 成本为 $0.14；FP8 的吞吐量为 1847 tok/s/chip，每百万 token 成本为 $0.34。FP4 的成本效率高出 146%；FP4 的单芯片吞吐量高出 146%。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 149 tok/s/user 时，FP4 与 FP8 的吞吐量分别为 2248 和 986 tok/s/chip，每百万 token 成本分别为 $0.28 和 $0.64。FP4 的成本效率高出 128%；FP4 的单芯片吞吐量高出 128%。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。
202 tok/s/user 接近 43–255 tok/s/user 交互性区间的上限。在这一运行点，FP4 在 B300 上运行 Qwen 3.5 397B-A17B 的吞吐量为 1419 tok/s/chip，每百万 token 成本为 $0.44；FP8 的吞吐量为 662 tok/s/chip，每百万 token 成本为 $0.95。FP4 的成本效率高出 115%；FP4 的单芯片吞吐量高出 115%。调整量化精度会同时影响推理速度和模型质量；模型准确率基准测试请参阅评估页。 （以上数据基于此 URL 对应的默认 1k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP4:4547.3FP8:1847.3 | FP4:2247.9FP8:986.5 | FP4:1419.5FP8:661.6 |
| 成本（$/M tok） | FP4:$0.138FP8:$0.340 | FP4:$0.279FP8:$0.636 | FP4:$0.442FP8:$0.949 |
| tok/s/MW | FP4:2393294FP8:972261 | FP4:1183089FP8:519206 | FP4:747092FP8:348185 |
| 并发数 | FP4:~64FP8:~40 | FP4:~36FP8:~14 | FP4:~16FP8:~7 |
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。