你好我需要在S600部署diffusion图像恢复算法，但是不量化int8，想知道s600是否支持，性能如何，我在评估和agx比较。
S600 的 BPU 总算力官方标称 560 TOPS（4x Nash core），但单独的 FP16 算力数值官方没有公开，这点如果要和 AGX 对标，建议以实测为准。
关于不量化直接跑 float16：可以支持但不是全 FP16。S600 的 BPU 支持非 gemm 算子 FP16 运算，gemm 类算子（conv/linear/matmul 等）官方建议走 int8/int16。对 diffusion 这种量化敏感模型，官方推荐的路线是「gemm 输入 int16 + 其它算子 FP16」的混合精度配置，基本可以不做 int8 也拿到接近浮点的精度，见量化精度调优指南的 S600 混合精度章节：
算子支持列表有官方页面（含 BPU 约束条件）：
性能参考可以看官方 S600 Benchmark（Rspress ），不过里面没有 diffusion 类模型，你的图像恢复算法实际帧率建议拿板子用 hb_compile 转出 hbm 后实测。
你好，有没有比较完善的案例和工作流？这里需要diffusion恢复和图像增强模型转换。
结论先说：S600 支持 FP16 推理，算子列表有官方文档；diffusion 类模型官方暂无现成的完整案例，但转换工作流是通的，需要自己按 PTQ 流程验证。
1. 算力
S600 BPU 为 4 核 Nash，官方标称最高 560 TOPS（该指标为 INT8 口径，官方文档未单独公布 FP16 TOPS 数值）。S600 相比 S100P 有更强的浮点算力，支持非 gemm 算子直接 FP16 运算；推荐部署方式是混合精度：gemm 算子（conv/linear/matmul 等）走 int8/int16，其余算子走 FP16。详见「S600 混合精度调优」章节：
2. 算子支持列表（官方有）
diffusion 恢复/增强模型常见的 UNet 结构里 GroupNorm、SiLU、attention 相关算子支持情况建议先对照上面列表逐个确认。
3. 案例与工作流
官方文档目前没有 diffusion 类（图像恢复/增强）的端到端部署案例，这点如实说。可参考的路径：
建议先拿你的模型导一份 ONNX，直接用 hb_compile 跑一遍转换，编译日志会明确报出哪些算子不支持/不支持，比逐个查表更快。转换遇到不支持的算子或精度问题，可以回来帖具体报错继续聊。