MI355X: FP4 vs FP8 精度对比
在 MI355X（AMD CDNA 4）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（MI355X）上以 42 tok/s/user 运行时达到 5005 tok/s/GPU（每百万 token $0.08）；FP8 达到 3690 tok/s/GPU（$0.11）。FP4 每 token 成本低 36%；FP4 每 GPU 吞吐量高出 36%。量化级别的精度差异在评估页面中跟踪。
MiniMax M2.5/M2.7（MI355X）在 68 tok/s/user 交互性下的吞吐量：FP4 为 2238 tok/s/GPU，FP8 为 1158。每百万 token 成本分别为 $0.18 和 $0.36。FP4 每 token 成本低 93%；FP4 每 GPU 吞吐量高出 93%。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 16–119 tok/s/user 交互性区间的高端，即 MiniMax M2.5/M2.7（MI355X）上以 93 tok/s/user 运行时：FP4 达到 1214 tok/s/GPU（$0.34/百万 token），FP8 达到 568（$0.70/百万）。FP4 每 token 成本低 109%；FP4 每 GPU 吞吐量高出 114%。精度变更同时影响推理速度和模型质量——请查阅评估页面的精度基准测试。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:5004.5FP8:3689.9 | FP4:2238.4FP8:1158.1 | FP4:1214.1FP8:567.7 |
| Cost ($/M tok) | FP4:$0.082FP8:$0.111 | FP4:$0.184FP8:$0.357 | FP4:$0.336FP8:$0.703 |
| tok/s/MW | FP4:1888500FP8:1392418 | FP4:844677FP8:437012 | FP4:458133FP8:214237 |
| Concurrency | FP4:~64FP8:~256 | FP4:~34FP8:~17 | FP4:~12FP8:~6 |
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。