Qwen 3.5 397B-A17B · GB200 NVL72 · 精度对比
GB200 NVL72: FP4 vs FP8 精度对比
在 GB200 NVL72（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。
FP8：6014 tok/s/Chip，每百万 token $0.09（Qwen 3.5 397B-A17B（GB200 NVL72）上以 118 tok/s/user 运行）。FP4 在此点尚未测试。
在 Qwen 3.5 397B-A17B（GB200 NVL72）上以 201 tok/s/user 运行时，FP8 吞吐量为 1871 tok/s/Chip，每百万 token 成本 $0.28；FP4 在此目标点没有基准测试数据。
FP8 在 Qwen 3.5 397B-A17B（GB200 NVL72）上以 283 tok/s/user 运行时达到 818 tok/s/Chip（每百万 token $0.63）。FP4 在此工作点没有数据。 （数据反映此 URL 的默认 8k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | FP4:—FP8:6014.4 | FP4:—FP8:1871.3 | FP4:—FP8:817.8 |
| Cost ($/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 |
| Concurrency | 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的推理性能指标。
厂商:
部署模式:
投机解码: