GB300 NVL72: FP4 vs FP8 精度对比
在 GB300 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。
在 40–374 tok/s/user 交互性区间的低端，即 Qwen 3.5 397B-A17B（GB300 NVL72）上以 123 tok/s/user 运行时：FP4 达到 29149 tok/s/chip（$0.02/百万 token），FP8 达到 6206（$0.10/百万）。FP4 每 token 成本低 370%；FP4 每芯片吞吐量高出 370%。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。
在 Qwen 3.5 397B-A17B（GB300 NVL72）上以 207 tok/s/user 交互性运行时，FP4 吞吐量为 13668 tok/s/chip，每百万 token 成本 $0.05；FP8 吞吐量为 1960 tok/s/chip，成本 $0.33。FP4 每 token 成本低 597%；FP4 每芯片吞吐量高出 597%。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。
FP4 在 Qwen 3.5 397B-A17B（GB300 NVL72）上以 291 tok/s/user 运行时达到 9482 tok/s/chip（每百万 token $0.07）；FP8 达到 772 tok/s/chip（$0.83）。FP4 每 token 成本低 1128%；FP4 每芯片吞吐量高出 1128%。量化级别的精度差异在评估页面中跟踪。 （数据反映此 URL 的默认 8k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | FP4:29148.6FP8:6206.5 | FP4:13668.0FP8:1960.3 | FP4:9481.7FP8:771.8 |
| Cost ($/M tok) | FP4:$0.022FP8:$0.103 | FP4:$0.047FP8:$0.327 | FP4:$0.068FP8:$0.831 |
| tok/s/MW | FP4:13749322FP8:2927579 | FP4:6447176FP8:924687 | FP4:4472502FP8:364073 |
| Concurrency | FP4:~1061FP8:~212 | FP4:~199FP8:~20 | FP4:~132FP8:~3 |