GLM 5/5.1 · B200 · 精度对比
B200: FP4 vs FP8 精度对比
在 B200（NVIDIA Blackwell）上对比 FP4 与 FP8 精度对 GLM 5/5.1 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 GLM 5/5.1（B200）上以 46 tok/s/user 交互性运行时，FP4 吞吐量为 2935 tok/s/chip，每百万 token 成本 $0.16；FP8 吞吐量为 1381 tok/s/chip，成本 $0.35。FP4 每 token 成本低 113%；FP4 每芯片吞吐量高出 113%。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。
FP4 在 GLM 5/5.1（B200）上以 78 tok/s/user 运行时达到 1980 tok/s/chip（每百万 token $0.24）；FP8 达到 906 tok/s/chip（$0.53）。FP4 每 token 成本低 119%；FP4 每芯片吞吐量高出 119%。量化级别的精度差异在评估页面中跟踪。
GLM 5/5.1（B200）在 110 tok/s/user 交互性下的吞吐量：FP4 为 1417 tok/s/chip，FP8 为 568。每百万 token 成本分别为 $0.34 和 $0.85。FP4 每 token 成本低 149%；FP4 每芯片吞吐量高出 149%。低精度带来的成本-吞吐量权衡只是全貌的一部分——请参阅评估页面的精度数据。 （数据反映此 URL 的默认 8k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | FP4:2934.9FP8:1380.6 | FP4:1979.8FP8:905.5 | FP4:1417.5FP8:568.4 |
| Cost ($/M tok) | FP4:$0.164FP8:$0.348 | FP4:$0.243FP8:$0.531 | FP4:$0.339FP8:$0.846 |
| tok/s/MW | FP4:1716344FP8:807393 | FP4:1157761FP8:529549 | FP4:828931FP8:332371 |
| Concurrency | FP4:~29FP8:~28 | FP4:~12FP8:~11 | FP4:~6FP8:~5 |