GB200 NVL72: FP4 vs FP8 精度对比
在 GB200 NVL72（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。
GLM 5/5.1（GB200 NVL72）在 45 tok/s/user 交互性下的吞吐量：FP4 为 8360 tok/s/GPU，FP8 为 635。每百万 token 成本分别为 $0.07 和 $0.96。FP4 每 token 成本低 1202%；FP4 每 GPU 吞吐量高出 1216%。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 40–62 tok/s/user 交互性区间的中部，即 GLM 5/5.1（GB200 NVL72）上以 51 tok/s/user 运行时：FP4 达到 8071 tok/s/GPU（$0.08/百万 token），FP8 达到 270（$2.44/百万）。FP4 每 token 成本低 3076%；FP4 每 GPU 吞吐量高出 2889%。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。
在 GLM 5/5.1（GB200 NVL72）上以 56 tok/s/user 交互性运行时，FP4 吞吐量为 7731 tok/s/GPU，每百万 token 成本 $0.08；FP8 吞吐量为 108 tok/s/GPU，成本 $6.48。FP4 每 token 成本低 7938%；FP4 每 GPU 吞吐量高出 7045%。低精度量化以模型精度换取吞吐量——请查看评估页面了解质量影响。 （数据反映此 URL 的默认 8k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:8360.2FP8:635.4 | FP4:8071.4FP8:270.1 | FP4:7730.9FP8:108.2 |
| Cost ($/M tok) | FP4:$0.074FP8:$0.957 | FP4:$0.077FP8:$2.438 | FP4:$0.081FP8:$6.476 |
| tok/s/MW | FP4:4470673FP8:339766 | FP4:4316281FP8:144428 | FP4:4134187FP8:57860 |
| Concurrency | FP4:~2074FP8:~150 | FP4:~1709FP8:~53 | FP4:~1410FP8:~16 |
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。