B300: FP8 vs BF16 精度对比
在 B300（NVIDIA Blackwell）上对比 FP8 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 97 tok/s/user 交互性运行时，FP8 吞吐量为 1815 tok/s/GPU，每百万 token 成本 $0.36；BF16 吞吐量为 1475 tok/s/GPU，成本 $0.44。FP8 每 token 成本低 22%；FP8 每 GPU 吞吐量高出 23%。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。
FP8 在 Qwen 3.5 397B-A17B（B300）上以 150 tok/s/user 运行时达到 977 tok/s/GPU（每百万 token $0.66）；BF16 达到 774 tok/s/GPU（$0.83）。FP8 每 token 成本低 26%；FP8 每 GPU 吞吐量高出 26%。量化级别的精度差异在评估页面中跟踪。
Qwen 3.5 397B-A17B（B300）在 202 tok/s/user 交互性下的吞吐量：FP8 为 662 tok/s/GPU，BF16 为 516。每百万 token 成本分别为 $0.98 和 $1.22。FP8 每 token 成本低 25%；FP8 每 GPU 吞吐量高出 28%。低精度带来的成本-吞吐量权衡只是全貌的一部分——请参阅评估页面的精度数据。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP8:1815.3BF16:1475.1 | FP8:977.4BF16:773.8 | FP8:661.6BF16:516.4 |
| Cost ($/M tok) | FP8:$0.363BF16:$0.441 | FP8:$0.659BF16:$0.832 | FP8:$0.980BF16:$1.221 |
| tok/s/MW | FP8:836559BF16:679771 | FP8:450412BF16:356576 | FP8:304862BF16:237981 |
| Concurrency | FP8:~39BF16:~64 | FP8:~14BF16:~22 | FP8:~7BF16:~8 |
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。