B200: FP4 vs FP8 精度对比
在 B200（NVIDIA Blackwell）上对比 FP4 与 FP8 精度对 MiniMax M3 428B 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 15–383 tok/s/user 交互性区间的低端，即 MiniMax M3 428B（B200）上以 106 tok/s/user 运行时：FP4 达到 2079 tok/s/Chip（$0.23/百万 token），FP8 达到 1440（$0.33/百万）。FP4 每 token 成本低 44%；FP4 每 Chip 吞吐量高出 44%。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 M3 428B（B200）上以 199 tok/s/user 交互性运行时，FP4 吞吐量为 861 tok/s/Chip，每百万 token 成本 $0.56；FP8 吞吐量为 554 tok/s/Chip，成本 $0.87。FP4 每 token 成本低 55%；FP4 每 Chip 吞吐量高出 55%。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 M3 428B（B200）上以 291 tok/s/user 运行时达到 291 tok/s/Chip（每百万 token $1.65）；FP8 达到 195 tok/s/Chip（$2.47）。FP4 每 token 成本低 49%；FP4 每 Chip 吞吐量高出 49%。量化级别的精度差异在评估页面中跟踪。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | FP4:2078.7FP8:1439.6 | FP4:861.2FP8:554.1 | FP4:291.3FP8:194.9 |
| Cost ($/M tok) | FP4:$0.231FP8:$0.334 | FP4:$0.558FP8:$0.867 | FP4:$1.650FP8:$2.466 |
| tok/s/MW | FP4:1215640FP8:841854 | FP4:503630FP8:324020 | FP4:170343FP8:113951 |
| Concurrency | FP4:~82FP8:~36 | FP4:~9FP8:~5 | FP4:~1FP8:~1 |
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。