MiniMax M2.5/M2.7 · B300 · 精度对比
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 15,523 tok/s/chip,每百万 token 成本为 $0.040;FP8 的吞吐量为 4,923 tok/s/chip,每百万 token 成本为 $0.13。在同一芯片上,FP4 的单芯片吞吐量为对方的 3.2 倍,因此每 token 成本低 68%。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 6,656 和 1,534 tok/s/chip,每百万 token 成本分别为 $0.094 和 $0.41。在同一芯片上,FP4 的单芯片吞吐量为对方的 4.3 倍,因此每 token 成本低 77%。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 2,536 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 $0.76。在同一芯片上,FP4 的单芯片吞吐量为对方的 3.1 倍,因此每 token 成本低 68%。调整量化精度会同时影响推理速度和模型质量;模型准确率基准测试请参阅评估页。 (以上数据基于此 URL 对应的默认 1k/1k 配置;在控件中切换序列长度或模型后,下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置;只有存在相应测试配置时,才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | FP415,523FP84,923 | FP46,656FP81,534 | FP42,536FP8823 |
| 成本($/M tok) | FP4$0.040FP8$0.13 | FP4$0.094FP8$0.41 | FP4$0.25FP8$0.76 |
| tok/s/MW | FP48,170,132FP82,591,033 | FP43,503,301FP8807,276 | FP41,334,834FP8433,206 |
| 并发数 | FP4~3,596FP8~512 | FP4~905FP8~45 | FP4~79FP8~15 |
