GB300 NVL72: FP4 vs FP8 精度对比
在 GB300 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。
在 19–115 tok/s/user 交互性区间的低端，即 GLM 5/5.1（GB300 NVL72）上以 43 tok/s/user 运行时：FP4 达到 10120 tok/s/GPU（$0.07/百万 token），FP8 达到 2618（$0.41/百万）。FP4 每 token 成本低 464%；FP4 每 GPU 吞吐量高出 287%。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（GB300 NVL72）上以 67 tok/s/user 交互性运行时，FP4 吞吐量为 6960 tok/s/GPU，每百万 token 成本 $0.11；FP8 吞吐量为 479 tok/s/GPU，成本 $1.49。FP4 每 token 成本低 1314%；FP4 每 GPU 吞吐量高出 1353%。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（GB300 NVL72）上以 91 tok/s/user 运行时达到 3619 tok/s/GPU（每百万 token $0.21）；FP8 达到 171 tok/s/GPU（$4.14）。FP4 每 token 成本低 1891%；FP4 每 GPU 吞吐量高出 2011%。量化级别的精度差异在评估页面中跟踪。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:10120.0FP8:2618.4 | FP4:6960.5FP8:479.0 | FP4:3618.6FP8:171.4 |
| Cost ($/M tok) | FP4:$0.073FP8:$0.410 | FP4:$0.105FP8:$1.489 | FP4:$0.208FP8:$4.142 |
| tok/s/MW | FP4:4773597FP8:1235080 | FP4:3283232FP8:225958 | FP4:1706884FP8:80846 |
| Concurrency | FP4:~3606FP8:~3177 | FP4:~1310FP8:~307 | FP4:~567FP8:~79 |
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。