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 47 tok/s/user 交互性运行时，FP4 吞吐量为 15557 tok/s/GPU，每百万 token 成本 $0.03；FP8 吞吐量为 9292 tok/s/GPU，成本 $0.06。FP4 每 token 成本低 68%；FP4 每 GPU 吞吐量高出 67%。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 75 tok/s/user 运行时达到 11669 tok/s/GPU（每百万 token $0.05）；FP8 达到 3367 tok/s/GPU（$0.16）。FP4 每 token 成本低 249%；FP4 每 GPU 吞吐量高出 247%。量化级别的精度差异在评估页面中跟踪。
MiniMax M2.5/M2.7（B200）在 103 tok/s/user 交互性下的吞吐量：FP4 为 6394 tok/s/GPU，FP8 为 2070。每百万 token 成本分别为 $0.08 和 $0.26。FP4 每 token 成本低 211%；FP4 每 GPU 吞吐量高出 209%。低精度带来的成本-吞吐量权衡只是全貌的一部分——请参阅评估页面的精度数据。 （数据反映此 URL 的默认 8k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:15557.3FP8:9291.7 | FP4:11669.1FP8:3367.2 | FP4:6393.6FP8:2069.8 |
| Cost ($/M tok) | FP4:$0.035FP8:$0.058 | FP4:$0.046FP8:$0.161 | FP4:$0.084FP8:$0.262 |
| tok/s/MW | FP4:7169267FP8:4281898 | FP4:5377443FP8:1551684 | FP4:2946361FP8:953808 |
| Concurrency | FP4:~264FP8:~234 | FP4:~187FP8:~32 | FP4:~13FP8:~14 |
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。