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 15–389 tok/s/user 交互性区间的低端，即 MiniMax M3 428B（B200）上以 108 tok/s/user 运行时：FP4 达到 2068 tok/s/GPU（$0.26/百万 token），FP8 达到 1429（$0.40/百万）。FP4 每 token 成本低 52%；FP4 每 GPU 吞吐量高出 45%。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 202 tok/s/user 交互性运行时，FP4 吞吐量为 942 tok/s/GPU，每百万 token 成本 $0.58；FP8 吞吐量为 542 tok/s/GPU，成本 $1.00。FP4 每 token 成本低 72%；FP4 每 GPU 吞吐量高出 74%。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 296 tok/s/user 运行时达到 375 tok/s/GPU（每百万 token $1.47）；FP8 达到 190 tok/s/GPU（$2.93）。FP4 每 token 成本低 100%；FP4 每 GPU 吞吐量高出 98%。量化级别的精度差异在评估页面中跟踪。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:2068.3FP8:1428.9 | FP4:942.4FP8:542.0 | FP4:375.0FP8:189.8 |
| Cost ($/M tok) | FP4:$0.262FP8:$0.399 | FP4:$0.582FP8:$0.999 | FP4:$1.465FP8:$2.929 |
| tok/s/MW | FP4:953128FP8:658495 | FP4:434277FP8:249770 | FP4:172817FP8:87446 |
| Concurrency | FP4:~64FP8:~34 | FP4:~10FP8:~5 | FP4:~3FP8:~1 |
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。