GB200 NVL72：FP4 与 FP8 精度对比

在 GB200 NVL72 上运行 Qwen 3.5 397B-A17B，目标交互性为 125 tok/s/user 时，FP4 的吞吐量为 11,554 tok/s/chip，每百万 token 成本为 $0.045；FP8 的吞吐量为 7,487 tok/s/chip，每百万 token 成本为 $0.069。在同一芯片上，FP4 的单芯片吞吐量高出 54%，因此每 token 成本低 35%。较低的量化精度以模型准确率为代价换取更高吞吐量；如需了解对模型质量的影响，请查看评估页。

当 Qwen 3.5 397B-A17B 在 GB200 NVL72 上的目标交互性为 208 tok/s/user 时，FP4 的吞吐量为 4,680 tok/s/chip，每百万 token 成本为 $0.11；FP8 的吞吐量为 2,496 tok/s/chip，每百万 token 成本为 $0.21。在同一芯片上，FP4 的单芯片吞吐量高出 87%，因此每 token 成本低 47%。不同量化精度下的模型准确率差异可在评估页查看。

在 GB200 NVL72 上运行 Qwen 3.5 397B-A17B，目标交互性为 291 tok/s/user 时，FP4 与 FP8 的吞吐量分别为 2,116 和 1,160 tok/s/chip，每百万 token 成本分别为 $0.24 和 $0.45。在同一芯片上，FP4 的单芯片吞吐量高出 82%，因此每 token 成本低 45%。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。 （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。）