MiniMax M3 428B · B200 · 精度对比
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 2,079 tok/s/chip,每百万 token 成本为 $0.23;FP8 的吞吐量为 1,440 tok/s/chip,每百万 token 成本为 $0.33。在同一芯片上,FP4 的单芯片吞吐量高出 44%,因此每 token 成本低 31%。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。在同一芯片上,FP4 的单芯片吞吐量高出 55%,因此每 token 成本低 36%。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 $2.47。在同一芯片上,FP4 的单芯片吞吐量高出 49%,因此每 token 成本低 33%。不同量化精度下的模型准确率差异可在评估页查看。 (以上数据基于此 URL 对应的默认 1k/1k 配置;在控件中切换序列长度或模型后,下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置;只有存在相应测试配置时,才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | FP42,079FP81,440 | FP4861FP8554 | FP4291FP8195 |
| 成本($/M tok) | FP4$0.23FP8$0.33 | FP4$0.56FP8$0.87 | FP4$1.65FP8$2.47 |
| tok/s/MW | FP41,215,640FP8841,854 | FP4503,630FP8324,020 | FP4170,343FP8113,951 |
| 并发数 | FP4~82FP8~36 | FP4~9FP8~5 | FP4~1FP8~1 |
