MiniMax M2.5/M2.7 · B200 · 精度对比
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 10,989 tok/s/chip,每百万 token 成本为 $0.044;FP8 的吞吐量为 3,694 tok/s/chip,每百万 token 成本为 $0.13。在同一芯片上,FP4 的单芯片吞吐量高出 197%,因此每 token 成本低 66%。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 6,499 tok/s/chip,每百万 token 成本为 $0.074;FP8 的吞吐量为 1,698 tok/s/chip,每百万 token 成本为 $0.28。在同一芯片上,FP4 的单芯片吞吐量为对方的 3.8 倍,因此每 token 成本低 74%。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 2,605 和 743 tok/s/chip,每百万 token 成本分别为 $0.18 和 $0.65。在同一芯片上,FP4 的单芯片吞吐量为对方的 3.5 倍,因此每 token 成本低 71%。较低量化精度下的成本与吞吐量权衡只是整体考量的一部分;模型准确率数据请参阅评估页。 (以上数据基于此 URL 对应的默认 1k/1k 配置;在控件中切换序列长度或模型后,下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置;只有存在相应测试配置时,才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | FP410,989FP83,694 | FP46,499FP81,698 | FP42,605FP8743 |
| 成本($/M tok) | FP4$0.044FP8$0.13 | FP4$0.074FP8$0.28 | FP4$0.18FP8$0.65 |
| tok/s/MW | FP46,426,102FP82,160,332 | FP43,800,856FP8992,971 | FP41,523,597FP8434,645 |
| 并发数 | FP4~1,024FP8~399 | FP4~1,005FP8~41 | FP4~128FP8~14 |
