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 44–206 tok/s/user 交互性区间的低端，即 Qwen 3.5 397B-A17B（GB300 NVL72）上以 85 tok/s/user 运行时：FP4 达到 6560 tok/s/GPU（$0.11/百万 token），FP8 达到 3329（$0.22/百万）。FP4 每 token 成本低 101%；FP4 每 GPU 吞吐量高出 97%。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 125 tok/s/user 交互性运行时，FP4 吞吐量为 3234 tok/s/GPU，每百万 token 成本 $0.22；FP8 吞吐量为 1703 tok/s/GPU，成本 $0.43。FP4 每 token 成本低 94%；FP4 每 GPU 吞吐量高出 90%。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 166 tok/s/user 运行时达到 1841 tok/s/GPU（每百万 token $0.39）；FP8 达到 775 tok/s/GPU（$0.94）。FP4 每 token 成本低 143%；FP4 每 GPU 吞吐量高出 138%。量化级别的精度差异在评估页面中跟踪。 （数据反映此 URL 的默认 8k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:6560.3FP8:3329.0 | FP4:3233.7FP8:1703.1 | FP4:1841.2FP8:774.6 |
| Cost ($/M tok) | FP4:$0.111FP8:$0.223 | FP4:$0.224FP8:$0.434 | FP4:$0.389FP8:$0.944 |
| tok/s/MW | FP4:3123971FP8:1585244 | FP4:1539846FP8:811013 | FP4:876740FP8:368875 |
| Concurrency | FP4:~95FP8:~39 | FP4:~26FP8:~14 | FP4:~11FP8:~5 |
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。