MI355X: FP4 vs FP8 精度对比
在 MI355X（AMD CDNA 4）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。
FP4 在 Qwen 3.5 397B-A17B（MI355X）上以 56 tok/s/user 运行时达到 1772 tok/s/GPU（每百万 token $0.23）；FP8 达到 2363 tok/s/GPU（$0.17）。FP8 每 token 成本低 34%；FP8 每 GPU 吞吐量高出 33%。量化级别的精度差异在评估页面中跟踪。
Qwen 3.5 397B-A17B（MI355X）在 98 tok/s/user 交互性下的吞吐量：FP4 为 1084 tok/s/GPU，FP8 为 1258。每百万 token 成本分别为 $0.38 和 $0.32。FP8 每 token 成本低 18%；FP8 每 GPU 吞吐量高出 16%。低精度带来的成本-吞吐量权衡只是全貌的一部分——请参阅评估页面的精度数据。
在 16–180 tok/s/user 交互性区间的高端，即 Qwen 3.5 397B-A17B（MI355X）上以 139 tok/s/user 运行时：FP4 达到 675 tok/s/GPU（$0.59/百万 token），FP8 达到 853（$0.49/百万）。FP8 每 token 成本低 22%；FP8 每 GPU 吞吐量高出 26%。精度变更同时影响推理速度和模型质量——请查阅评估页面的精度基准测试。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:1772.1FP8:2363.2 | FP4:1083.6FP8:1258.2 | FP4:675.4FP8:852.7 |
| Cost ($/M tok) | FP4:$0.232FP8:$0.173 | FP4:$0.380FP8:$0.321 | FP4:$0.591FP8:$0.486 |
| tok/s/MW | FP4:668722FP8:891761 | FP4:408891FP8:474777 | FP4:254850FP8:321768 |
| Concurrency | FP4:~33FP8:~83 | FP4:~11FP8:~26 | FP4:~5FP8:~12 |
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。