B300：FP4 与 FP8 精度对比
在 B300（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。
当 MiniMax M2.5/M2.7 在 B300 上的目标交互性为 47 tok/s/user 时，FP4 的吞吐量为 15523 tok/s/chip，每百万 token 成本为 $0.04；FP8 的吞吐量为 4923 tok/s/chip，每百万 token 成本为 $0.13。FP4 的成本效率高出 215%；FP4 的单芯片吞吐量高出 215%。不同量化精度下的模型准确率差异可在评估页查看。
在 B300 上运行 MiniMax M2.5/M2.7，目标交互性为 79 tok/s/user 时，FP4 与 FP8 的吞吐量分别为 6656 和 1534 tok/s/chip，每百万 token 成本分别为 $0.09 和 $0.41。FP4 的成本效率高出 334%；FP4 的单芯片吞吐量高出 334%。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。
111 tok/s/user 接近 16–142 tok/s/user 交互性区间的上限。在这一运行点，FP4 在 B300 上运行 MiniMax M2.5/M2.7 的吞吐量为 2536 tok/s/chip，每百万 token 成本为 $0.25；FP8 的吞吐量为 823 tok/s/chip，每百万 token 成本为 $0.76。FP4 的成本效率高出 208%；FP4 的单芯片吞吐量高出 208%。调整量化精度会同时影响推理速度和模型质量；模型准确率基准测试请参阅评估页。 （以上数据基于此 URL 对应的默认 1k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP4:15523.3FP8:4923.0 | FP4:6656.3FP8:1533.8 | FP4:2536.2FP8:823.1 |
| 成本（$/M tok） | FP4:$0.040FP8:$0.128 | FP4:$0.094FP8:$0.409 | FP4:$0.248FP8:$0.763 |
| tok/s/MW | FP4:8170132FP8:2591033 | FP4:3503301FP8:807276 | FP4:1334834FP8:433206 |
| 并发数 | FP4:~3596FP8:~512 | FP4:~905FP8:~45 | FP4:~79FP8:~15 |
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。