MI355X：FP4 与 FP8 精度对比
在 MI355X（AMD CDNA 4）上，比较 FP4 与 FP8 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。
当 Qwen 3.5 397B-A17B 在 MI355X 上的目标交互性为 68 tok/s/user 时，FP4 的吞吐量为 2158 tok/s/chip，每百万 token 成本为 $0.19；FP8 的吞吐量为 2012 tok/s/chip，每百万 token 成本为 $0.21。FP4 的成本效率高出 7%；FP4 的单芯片吞吐量高出 7%。不同量化精度下的模型准确率差异可在评估页查看。
在 MI355X 上运行 Qwen 3.5 397B-A17B，目标交互性为 119 tok/s/user 时，FP4 与 FP8 的吞吐量分别为 1229 和 1050 tok/s/chip，每百万 token 成本分别为 $0.34 和 $0.40。FP4 的成本效率高出 17%；FP4 的单芯片吞吐量高出 17%。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。
170 tok/s/user 接近 17–220 tok/s/user 交互性区间的上限。在这一运行点，FP4 在 MI355X 上运行 Qwen 3.5 397B-A17B 的吞吐量为 757 tok/s/chip，每百万 token 成本为 $0.55；FP8 的吞吐量为 590 tok/s/chip，每百万 token 成本为 $0.71。FP4 的成本效率高出 28%；FP4 的单芯片吞吐量高出 28%。调整量化精度会同时影响推理速度和模型质量；模型准确率基准测试请参阅评估页。 （以上数据基于此 URL 对应的默认 1k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP4:2158.0FP8:2011.7 | FP4:1228.8FP8:1049.5 | FP4:756.7FP8:590.1 |
| 成本（$/M tok） | FP4:$0.193FP8:$0.207 | FP4:$0.339FP8:$0.397 | FP4:$0.551FP8:$0.706 |
| tok/s/MW | FP4:1032553FP8:962539 | FP4:587966FP8:502164 | FP4:362046FP8:282332 |
| 并发数 | FP4:~33FP8:~59 | FP4:~11FP8:~18 | FP4:~4FP8:~8 |
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。