Qwen 3.5 397B-A17B · B300 · 精度对比
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 4,547 tok/s/chip,每百万 token 成本为 $0.14;FP8 的吞吐量为 1,847 tok/s/chip,每百万 token 成本为 $0.34。在同一芯片上,FP4 的单芯片吞吐量高出 146%,因此每 token 成本低 59%。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 2,248 和 986 tok/s/chip,每百万 token 成本分别为 $0.28 和 $0.64。在同一芯片上,FP4 的单芯片吞吐量高出 128%,因此每 token 成本低 56%。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 1,419 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 $0.95。在同一芯片上,FP4 的单芯片吞吐量高出 115%,因此每 token 成本低 53%。调整量化精度会同时影响推理速度和模型质量;模型准确率基准测试请参阅评估页。 (以上数据基于此 URL 对应的默认 1k/1k 配置;在控件中切换序列长度或模型后,下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置;只有存在相应测试配置时,才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | FP44,547FP81,847 | FP42,248FP8986 | FP41,419FP8662 |
| 成本($/M tok) | FP4$0.14FP8$0.34 | FP4$0.28FP8$0.64 | FP4$0.44FP8$0.95 |
| tok/s/MW | FP42,393,294FP8972,261 | FP41,183,089FP8519,206 | FP4747,092FP8348,185 |
| 并发数 | FP4~64FP8~40 | FP4~36FP8~14 | FP4~16FP8~7 |
