Qwen 3.5 397B-A17B · MI355X · 精度对比

MI355X:FP8 与 BF16 精度对比

在 MI355X(AMD CDNA 4)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。

在 MI355X 上运行 Qwen 3.5 397B-A17B,目标交互性为 64 tok/s/user 时,FP8 的吞吐量为 2,131 tok/s/chip,每百万 token 成本为 $0.20;BF16 的吞吐量为 879 tok/s/chip,每百万 token 成本为 $0.47。在同一芯片上,FP8 的单芯片吞吐量高出 143%,因此每 token 成本低 59%。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 MI355X 上的目标交互性为 99 tok/s/user 时,FP8 的吞吐量为 1,244 tok/s/chip,每百万 token 成本为 $0.33;BF16 的吞吐量为 597 tok/s/chip,每百万 token 成本为 $0.70。在同一芯片上,FP8 的单芯片吞吐量高出 108%,因此每 token 成本低 52%。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 133 tok/s/user 时,FP8 与 BF16 的吞吐量分别为 913 和 279 tok/s/chip,每百万 token 成本分别为 $0.46 和 $1.49。在同一芯片上,FP8 的单芯片吞吐量为对方的 3.3 倍,因此每 token 成本低 69%。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。 (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)
FP82,131BF16879
FP81,244BF16597
FP8913BF16279
成本($/M tok)
FP8$0.20BF16$0.47
FP8$0.33BF16$0.70
FP8$0.46BF16$1.49
tok/s/MW
FP81,019,777BF16420,444
FP8595,231BF16285,490
FP8436,843BF16133,623
并发数
FP8~68BF16~128
FP8~26BF16~24
FP8~14BF16~9
Qwen 3.5 397B-A17B:MI355X 上 FP8 与 BF16 在相同交互性水平下的吞吐量与成本
MI355X 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 ↗