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 2131 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。FP8 的成本效率高出 143%；FP8 的单芯片吞吐量高出 143%。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 1244 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。FP8 的成本效率高出 108%；FP8 的单芯片吞吐量高出 108%。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 $1.49。FP8 的成本效率高出 227%；FP8 的单芯片吞吐量高出 227%。较低量化精度下的成本与吞吐量权衡只是整体考量的一部分；模型准确率数据请参阅评估页。 （以上数据基于此 URL 对应的默认 1k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP8:2131.3BF16:878.7 | FP8:1244.0BF16:596.7 | FP8:913.0BF16:279.3 |
| 成本（$/M tok） | FP8:$0.195BF16:$0.474 | FP8:$0.335BF16:$0.698 | FP8:$0.456BF16:$1.492 |
| tok/s/MW | FP8:1019777BF16:420444 | FP8:595231BF16:285490 | FP8:436843BF16:133623 |
| 并发数 | 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，来自 AgentX 场景的智能体推理指标与固定序列推理指标。