MI325X：FP8 与 BF16 精度对比
在 MI325X（AMD CDNA 3）上，比较 FP8 与 BF16 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。
49 tok/s/user 接近 41–72 tok/s/user 交互性区间的下限。在这一运行点，FP8 在 MI325X 上运行 Qwen 3.5 397B-A17B 的吞吐量为 347 tok/s/chip，每百万 token 成本为 $0.88；BF16 的吞吐量为 462 tok/s/chip，每百万 token 成本为 $0.66。BF16 的成本效率高出 33%；BF16 的单芯片吞吐量高出 33%。调整量化精度会同时影响推理速度和模型质量；模型准确率基准测试请参阅评估页。
在 MI325X 上运行 Qwen 3.5 397B-A17B，目标交互性为 57 tok/s/user 时，FP8 的吞吐量为 211 tok/s/chip，每百万 token 成本为 $1.45；BF16 的吞吐量为 382 tok/s/chip，每百万 token 成本为 $0.80。BF16 的成本效率高出 81%；BF16 的单芯片吞吐量高出 81%。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 MI325X 上的目标交互性为 65 tok/s/user 时，FP8 的吞吐量为 124 tok/s/chip，每百万 token 成本为 $2.46；BF16 的吞吐量为 307 tok/s/chip，每百万 token 成本为 $1.00。BF16 的成本效率高出 147%；BF16 的单芯片吞吐量高出 147%。不同量化精度下的模型准确率差异可在评估页查看。 （以上数据基于此 URL 对应的默认 1k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP8:346.6BF16:461.5 | FP8:211.0BF16:382.0 | FP8:124.3BF16:306.9 |
| 成本（$/M tok） | FP8:$0.882BF16:$0.662 | FP8:$1.448BF16:$0.800 | FP8:$2.458BF16:$0.996 |
| tok/s/MW | FP8:205060BF16:273085 | FP8:124837BF16:226025 | FP8:73546BF16:181594 |
| 并发数 | FP8:~30BF16:~41 | FP8:~16BF16:~30 | FP8:~8BF16:~20 |
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。