B300: FP4 vs FP8 精度对比
在 B300（NVIDIA Blackwell）上对比 FP4 与 FP8 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。
FP4 在 Qwen 3.5 397B-A17B（B300）上以 96 tok/s/user 运行时达到 4547 tok/s/GPU（每百万 token $0.14）；FP8 达到 1847 tok/s/GPU（$0.36）。FP4 每 token 成本低 151%；FP4 每 GPU 吞吐量高出 146%。量化级别的精度差异在评估页面中跟踪。
Qwen 3.5 397B-A17B（B300）在 149 tok/s/user 交互性下的吞吐量：FP4 为 2248 tok/s/GPU，FP8 为 986。每百万 token 成本分别为 $0.29 和 $0.65。FP4 每 token 成本低 126%；FP4 每 GPU 吞吐量高出 128%。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。
在 43–255 tok/s/user 交互性区间的高端，即 Qwen 3.5 397B-A17B（B300）上以 202 tok/s/user 运行时：FP4 达到 1419 tok/s/GPU（$0.46/百万 token），FP8 达到 662（$0.98/百万）。FP4 每 token 成本低 114%；FP4 每 GPU 吞吐量高出 115%。精度变更同时影响推理速度和模型质量——请查阅评估页面的精度基准测试。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:4547.3FP8:1847.3 | FP4:2247.9FP8:986.5 | FP4:1419.5FP8:661.6 |
| Cost ($/M tok) | FP4:$0.142FP8:$0.357 | FP4:$0.289FP8:$0.654 | FP4:$0.458FP8:$0.980 |
| tok/s/MW | FP4:2095511FP8:851289 | FP4:1035884FP8:454605 | FP4:654136FP8:304862 |
| Concurrency | 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的推理性能指标。