GB300 NVL72: FP4 vs FP8 精度对比
在 GB300 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。
在 30–122 tok/s/user 交互性区间的低端，即 MiniMax M2.5/M2.7（GB300 NVL72）上以 53 tok/s/user 运行时：FP4 达到 12145 tok/s/GPU（$0.06/百万 token），FP8 达到 4368（$0.17/百万）。FP4 每 token 成本低 172%；FP4 每 GPU 吞吐量高出 178%。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（GB300 NVL72）上以 76 tok/s/user 交互性运行时，FP4 吞吐量为 7589 tok/s/GPU，每百万 token 成本 $0.09；FP8 吞吐量为 1760 tok/s/GPU，成本 $0.43。FP4 每 token 成本低 353%；FP4 每 GPU 吞吐量高出 331%。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。
FP4 在 MiniMax M2.5/M2.7（GB300 NVL72）上以 100 tok/s/user 运行时达到 3983 tok/s/GPU（每百万 token $0.18）；FP8 达到 887 tok/s/GPU（$0.86）。FP4 每 token 成本低 365%；FP4 每 GPU 吞吐量高出 349%。量化级别的精度差异在评估页面中跟踪。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:12144.7FP8:4368.4 | FP4:7588.8FP8:1760.1 | FP4:3982.7FP8:886.8 |
| Cost ($/M tok) | FP4:$0.062FP8:$0.168 | FP4:$0.094FP8:$0.427 | FP4:$0.185FP8:$0.858 |
| tok/s/MW | FP4:5783210FP8:2080185 | FP4:3613704FP8:838158 | FP4:1896533FP8:422283 |
| Concurrency | FP4:~1143FP8:~500 | FP4:~1024FP8:~64 | FP4:~229FP8:~32 |
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。