B200：FP4 与 FP8 精度对比
在 B200（NVIDIA Blackwell）上，比较 FP4 与 FP8 两种量化精度对 MiniMax M2.5/M2.7 推理的影响，涵盖不同 LLM 工作负载下的吞吐量、延迟和成本。可通过下方图表控件切换序列长度和指标，操作方式与主推理图表相同。
在 B200 上运行 MiniMax M2.5/M2.7，目标交互性为 51 tok/s/user 时，FP4 的吞吐量为 10989 tok/s/chip，每百万 token 成本为 $0.04；FP8 的吞吐量为 3694 tok/s/chip，每百万 token 成本为 $0.13。FP4 的成本效率高出 197%；FP4 的单芯片吞吐量高出 197%。较低的量化精度以模型准确率为代价换取更高吞吐量；如需了解对模型质量的影响，请查看评估页。
当 MiniMax M2.5/M2.7 在 B200 上的目标交互性为 81 tok/s/user 时，FP4 的吞吐量为 6499 tok/s/chip，每百万 token 成本为 $0.07；FP8 的吞吐量为 1698 tok/s/chip，每百万 token 成本为 $0.28。FP4 的成本效率高出 283%；FP4 的单芯片吞吐量高出 283%。不同量化精度下的模型准确率差异可在评估页查看。
在 B200 上运行 MiniMax M2.5/M2.7，目标交互性为 111 tok/s/user 时，FP4 与 FP8 的吞吐量分别为 2605 和 743 tok/s/chip，每百万 token 成本分别为 $0.18 和 $0.65。FP4 的成本效率高出 251%；FP4 的单芯片吞吐量高出 251%。较低量化精度下的成本与吞吐量权衡只是整体考量的一部分；模型准确率数据请参阅评估页。 （以上数据基于此 URL 对应的默认 1k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP4:10988.6FP8:3694.2 | FP4:6499.5FP8:1698.0 | FP4:2605.4FP8:743.2 |
| 成本（$/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 |
| 并发数 | 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。