MI355X：FP4 与 FP8 精度对比
在 MI355X（AMD CDNA 4）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 MI355X 上的目标交互性为 42 tok/s/user 时，FP4 的吞吐量为 5005 tok/s/chip，每百万 token 成本为 $0.08；FP8 的吞吐量为 3180 tok/s/chip，每百万 token 成本为 $0.13。FP4 的成本效率高出 57%；FP4 的单芯片吞吐量高出 57%。不同量化精度下的模型准确率差异可在评估页查看。
在 MI355X 上运行 MiniMax M2.5/M2.7，目标交互性为 68 tok/s/user 时，FP4 与 FP8 的吞吐量分别为 2238 和 1185 tok/s/chip，每百万 token 成本分别为 $0.19 和 $0.35。FP4 的成本效率高出 89%；FP4 的单芯片吞吐量高出 89%。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。
93 tok/s/user 接近 16–119 tok/s/user 交互性区间的上限。在这一运行点，FP4 在 MI355X 上运行 MiniMax M2.5/M2.7 的吞吐量为 1214 tok/s/chip，每百万 token 成本为 $0.34；FP8 的吞吐量为 568 tok/s/chip，每百万 token 成本为 $0.73。FP4 的成本效率高出 114%；FP4 的单芯片吞吐量高出 114%。调整量化精度会同时影响推理速度和模型质量；模型准确率基准测试请参阅评估页。 （以上数据基于此 URL 对应的默认 1k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP4:5004.5FP8:3180.5 | FP4:2238.4FP8:1184.6 | FP4:1214.1FP8:567.7 |
| 成本（$/M tok） | FP4:$0.083FP8:$0.131 | FP4:$0.186FP8:$0.352 | FP4:$0.343FP8:$0.734 |
| tok/s/MW | FP4:2394509FP8:1521763 | FP4:1071002FP8:566770 | FP4:580886FP8:271640 |
| 并发数 | FP4:~64FP8:~141 | FP4:~34FP8:~17 | FP4:~12FP8:~6 |
推理性能
不同模型、硬件配置和服务参数下，来自 AgentX 场景的智能体推理指标与固定序列推理指标。