B200：FP4 与 FP8 精度对比
在 B200（NVIDIA Blackwell）上，比较 FP4 与 FP8 两种量化精度对 MiniMax M3 428B 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。
106 tok/s/user 接近 15–383 tok/s/user 交互性区间的下限。在这一运行点，FP4 在 B200 上运行 MiniMax M3 428B 的吞吐量为 2079 tok/s/chip，每百万 token 成本为 $0.23；FP8 的吞吐量为 1440 tok/s/chip，每百万 token 成本为 $0.33。FP4 的成本效率高出 44%；FP4 的单芯片吞吐量高出 44%。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。
在 B200 上运行 MiniMax M3 428B，目标交互性为 199 tok/s/user 时，FP4 的吞吐量为 861 tok/s/chip，每百万 token 成本为 $0.56；FP8 的吞吐量为 554 tok/s/chip，每百万 token 成本为 $0.87。FP4 的成本效率高出 55%；FP4 的单芯片吞吐量高出 55%。较低的量化精度以模型准确率为代价换取更高吞吐量；如需了解对模型质量的影响，请查看评估页。
当 MiniMax M3 428B 在 B200 上的目标交互性为 291 tok/s/user 时，FP4 的吞吐量为 291 tok/s/chip，每百万 token 成本为 $1.65；FP8 的吞吐量为 195 tok/s/chip，每百万 token 成本为 $2.47。FP4 的成本效率高出 49%；FP4 的单芯片吞吐量高出 49%。不同量化精度下的模型准确率差异可在评估页查看。 （以上数据基于此 URL 对应的默认 1k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP4:2078.7FP8:1439.6 | FP4:861.2FP8:554.1 | FP4:291.3FP8:194.9 |
| 成本（$/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 |
| 并发数 | 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。