Qwen 3.5 397B-A17B · GB200 NVL72 · 精度对比
GB200 NVL72：FP4 与 FP8 精度对比
在 GB200 NVL72（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。
在 GB200 NVL72 上运行 Qwen 3.5 397B-A17B，目标交互性设为 118 tok/s/user：采用 FP8 时，吞吐量为 6014 tok/s/chip，每百万 token 成本为 $0.09；采用 FP4 时，该运行点尚未测试。
在 GB200 NVL72 上运行 Qwen 3.5 397B-A17B，目标交互性设为 201 tok/s/user：采用 FP8 时，吞吐量为 1871 tok/s/chip，每百万 token 成本为 $0.28；采用 FP4 时，该运行点暂无基准测试数据。
Qwen 3.5 397B-A17B 在 GB200 NVL72 上的目标交互性设为 283 tok/s/user：采用 FP8 时，吞吐量为 818 tok/s/chip，每百万 token 成本为 $0.63；采用 FP4 时，该运行点暂无数据。 （以上数据基于此 URL 对应的默认 8k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
数据由真实基准测试结果插值得出。调整下方的目标交互性数值，即可比较不同运行点。
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP4:—FP8:6014.4 | FP4:—FP8:1871.3 | FP4:—FP8:817.8 |
| 成本（$/M tok） | FP4:—FP8:$0.086 | FP4:—FP8:$0.276 | FP4:—FP8:$0.632 |
| tok/s/MW | FP4:—FP8:3216272 | FP4:—FP8:1000702 | FP4:—FP8:437325 |
| 并发数 | FP4:—FP8:~233 | FP4:—FP8:~18 | FP4:—FP8:~4 |
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。