B200: FP4 vs FP8 精度对比
在 B200（NVIDIA Blackwell）上对比 FP4 与 FP8 精度对 MiniMax M2.5/M2.7 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 MiniMax M2.5/M2.7（B200）上以 51 tok/s/user 交互性运行时，FP4 吞吐量为 10989 tok/s/Chip，每百万 token 成本 $0.04；FP8 吞吐量为 3694 tok/s/Chip，成本 $0.13。FP4 每 token 成本低 197%；FP4 每 Chip 吞吐量高出 197%。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 MiniMax M2.5/M2.7（B200）上以 81 tok/s/user 运行时达到 6499 tok/s/Chip（每百万 token $0.07）；FP8 达到 1698 tok/s/Chip（$0.28）。FP4 每 token 成本低 283%；FP4 每 Chip 吞吐量高出 283%。量化级别的精度差异在评估页面中跟踪。
MiniMax M2.5/M2.7（B200）在 111 tok/s/user 交互性下的吞吐量：FP4 为 2605 tok/s/Chip，FP8 为 743。每百万 token 成本分别为 $0.18 和 $0.65。FP4 每 token 成本低 251%；FP4 每 Chip 吞吐量高出 251%。低精度带来的成本-吞吐量权衡只是全貌的一部分——请参阅评估页面的精度数据。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | FP4:10988.6FP8:3694.2 | FP4:6499.5FP8:1698.0 | FP4:2605.4FP8:743.2 |
| Cost ($/M tok) | FP4:$0.044FP8:$0.130 | FP4:$0.074FP8:$0.283 | FP4:$0.184FP8:$0.647 |
| tok/s/MW | FP4:6426102FP8:2160332 | FP4:3800856FP8:992971 | FP4:1523597FP8:434645 |
| Concurrency | FP4:~1024FP8:~399 | FP4:~1005FP8:~41 | FP4:~128FP8:~14 |
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。