B300: FP4 vs FP8 精度对比
在 B300（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。
FP4 在 MiniMax M2.5/M2.7（B300）上以 47 tok/s/user 运行时达到 15523 tok/s/GPU（每百万 token $0.04）；FP8 达到 4923 tok/s/GPU（$0.13）。FP4 每 token 成本低 215%；FP4 每 GPU 吞吐量高出 215%。量化级别的精度差异在评估页面中跟踪。
MiniMax M2.5/M2.7（B300）在 79 tok/s/user 交互性下的吞吐量：FP4 为 6656 tok/s/GPU，FP8 为 1534。每百万 token 成本分别为 $0.10 和 $0.43。FP4 每 token 成本低 334%；FP4 每 GPU 吞吐量高出 334%。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。
在 16–142 tok/s/user 交互性区间的高端，即 MiniMax M2.5/M2.7（B300）上以 111 tok/s/user 运行时：FP4 达到 2536 tok/s/GPU（$0.26/百万 token），FP8 达到 823（$0.79/百万）。FP4 每 token 成本低 209%；FP4 每 GPU 吞吐量高出 208%。精度变更同时影响推理速度和模型质量——请查阅评估页面的精度基准测试。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:15523.3FP8:4923.0 | FP4:6656.3FP8:1533.8 | FP4:2536.2FP8:823.1 |
| Cost ($/M tok) | FP4:$0.042FP8:$0.132 | FP4:$0.099FP8:$0.430 | FP4:$0.257FP8:$0.794 |
| tok/s/MW | FP4:7153572FP8:2268647 | FP4:3067406FP8:706831 | FP4:1168749FP8:379305 |
| Concurrency | 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的推理性能指标。