GB200 NVL72: FP4 vs FP8 精度对比
在 GB200 NVL72（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。
MiniMax M2.5/M2.7（GB200 NVL72）在 60 tok/s/user 交互性下的吞吐量：FP4 为 10256 tok/s/GPU，FP8 为 3263。每百万 token 成本分别为 $0.06 和 $0.19。FP4 每 token 成本低 212%；FP4 每 GPU 吞吐量高出 214%。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 31–147 tok/s/user 交互性区间的中部，即 MiniMax M2.5/M2.7（GB200 NVL72）上以 89 tok/s/user 运行时：FP4 达到 5504 tok/s/GPU（$0.11/百万 token），FP8 达到 831（$0.75/百万）。FP4 每 token 成本低 567%；FP4 每 GPU 吞吐量高出 563%。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。
在 MiniMax M2.5/M2.7（GB200 NVL72）上以 118 tok/s/user 交互性运行时，FP4 吞吐量为 2019 tok/s/GPU，每百万 token 成本 $0.30；FP8 吞吐量为 331 tok/s/GPU，成本 $1.83。FP4 每 token 成本低 505%；FP4 每 GPU 吞吐量高出 510%。低精度量化以模型精度换取吞吐量——请查看评估页面了解质量影响。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:10256.0FP8:3263.0 | FP4:5503.6FP8:830.7 | FP4:2019.1FP8:331.3 |
| Cost ($/M tok) | FP4:$0.060FP8:$0.187 | FP4:$0.113FP8:$0.750 | FP4:$0.302FP8:$1.827 |
| tok/s/MW | FP4:4883788FP8:1553795 | FP4:2620753FP8:395581 | FP4:961467FP8:157746 |
| Concurrency | FP4:~1024FP8:~318 | FP4:~395FP8:~32 | FP4:~124FP8:~9 |
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。