B300：FP4 与 FP8 精度对比
在 B300（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。
在 B300 上运行 MiniMax M3 428B，目标交互性为 122 tok/s/user 时，FP4 的吞吐量为 5953 tok/s/chip，每百万 token 成本为 $0.11；FP8 的吞吐量为 3849 tok/s/chip，每百万 token 成本为 $0.16。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 B300 上的目标交互性为 235 tok/s/user 时，FP4 的吞吐量为 3098 tok/s/chip，每百万 token 成本为 $0.20；FP8 的吞吐量为 2237 tok/s/chip，每百万 token 成本为 $0.28。FP4 的成本效率高出 39%；FP4 的单芯片吞吐量高出 39%。不同量化精度下的模型准确率差异可在评估页查看。
在 B300 上运行 MiniMax M3 428B，目标交互性为 349 tok/s/user 时，FP4 与 FP8 的吞吐量分别为 2067 和 1040 tok/s/chip，每百万 token 成本分别为 $0.30 和 $0.60。FP4 的成本效率高出 99%；FP4 的单芯片吞吐量高出 99%。较低量化精度下的成本与吞吐量权衡只是整体考量的一部分；模型准确率数据请参阅评估页。 （以上数据基于此 URL 对应的默认 8k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP4:5953.3FP8:3848.8 | FP4:3097.7FP8:2236.5 | FP4:2066.5FP8:1040.4 |
| 成本（$/M tok） | FP4:$0.105FP8:$0.163 | FP4:$0.203FP8:$0.281 | FP4:$0.304FP8:$0.603 |
| tok/s/MW | FP4:3133311FP8:2025703 | FP4:1630350FP8:1177121 | FP4:1087633FP8:547556 |
| 并发数 | FP4:~12FP8:~16 | FP4:~8FP8:~4 | FP4:~3FP8:~3 |
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。