MI355X: FP8 vs BF16 精度对比
在 MI355X（AMD CDNA 4）上对比 FP8 与 BF16 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。
在 Qwen 3.5 397B-A17B（MI355X）上以 64 tok/s/user 交互性运行时，FP8 吞吐量为 2131 tok/s/GPU，每百万 token 成本 $0.19；BF16 吞吐量为 879 tok/s/GPU，成本 $0.47。FP8 每 token 成本低 144%；FP8 每 GPU 吞吐量高出 143%。低精度量化以模型精度换取吞吐量——请查看评估页面了解质量影响。
FP8 在 Qwen 3.5 397B-A17B（MI355X）上以 99 tok/s/user 运行时达到 1244 tok/s/GPU（每百万 token $0.32）；BF16 达到 597 tok/s/GPU（$0.70）。FP8 每 token 成本低 116%；FP8 每 GPU 吞吐量高出 108%。量化级别的精度差异在评估页面中跟踪。
Qwen 3.5 397B-A17B（MI355X）在 133 tok/s/user 交互性下的吞吐量：FP8 为 913 tok/s/GPU，BF16 为 279。每百万 token 成本分别为 $0.45 和 $1.47。FP8 每 token 成本低 225%；FP8 每 GPU 吞吐量高出 227%。低精度带来的成本-吞吐量权衡只是全貌的一部分——请参阅评估页面的精度数据。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP8:2131.3BF16:878.7 | FP8:1244.0BF16:596.7 | FP8:913.0BF16:279.3 |
| Cost ($/M tok) | FP8:$0.193BF16:$0.470 | FP8:$0.324BF16:$0.700 | FP8:$0.453BF16:$1.472 |
| tok/s/MW | FP8:804277BF16:331595 | FP8:469447BF16:225160 | FP8:344529BF16:105385 |
| Concurrency | FP8:~68BF16:~128 | FP8:~26BF16:~24 | FP8:~14BF16:~9 |
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。