Qwen 3.5 397B-A17B · MI325X · 精度对比

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。在同一芯片上,BF16 的单芯片吞吐量高出 33%,因此每 token 成本低 25%。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。在同一芯片上,BF16 的单芯片吞吐量高出 81%,因此每 token 成本低 45%。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。在同一芯片上,BF16 的单芯片吞吐量高出 147%,因此每 token 成本低 59%。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。)

数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。

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)
FP8347BF16462
FP8211BF16382
FP8124BF16307
成本($/M tok)
FP8$0.88BF16$0.66
FP8$1.45BF16$0.80
FP8$2.46BF16$1.00
tok/s/MW
FP8205,060BF16273,085
FP8124,837BF16226,025
FP873,546BF16181,594
并发数
FP8~30BF16~41
FP8~16BF16~30
FP8~8BF16~20
Qwen 3.5 397B-A17B:MI325X 上 FP8 与 BF16 在相同交互性水平下的吞吐量与成本
MI325X 上 FP8 与 BF16 在此对比默认工作负载下的吞吐量与每百万 token 成本
查看大图 ↗