MiniMax M3 428B · B300 · 精度对比
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 5,953 tok/s/chip,每百万 token 成本为 $0.11;FP8 的吞吐量为 3,849 tok/s/chip,每百万 token 成本为 $0.16。在同一芯片上,FP4 的单芯片吞吐量高出 55%,因此每 token 成本低 35%。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 3,098 tok/s/chip,每百万 token 成本为 $0.20;FP8 的吞吐量为 2,237 tok/s/chip,每百万 token 成本为 $0.28。在同一芯片上,FP4 的单芯片吞吐量高出 39%,因此每 token 成本低 28%。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 2,067 和 1,040 tok/s/chip,每百万 token 成本分别为 $0.30 和 $0.60。在同一芯片上,FP4 的单芯片吞吐量高出 99%,因此每 token 成本低 50%。较低量化精度下的成本与吞吐量权衡只是整体考量的一部分;模型准确率数据请参阅评估页。 (以上数据基于此 URL 对应的默认 8k/1k 配置;在控件中切换序列长度或模型后,下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置;只有存在相应测试配置时,才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | FP45,953FP83,849 | FP43,098FP82,237 | FP42,067FP81,040 |
| 成本($/M tok) | FP4$0.11FP8$0.16 | FP4$0.20FP8$0.28 | FP4$0.30FP8$0.60 |
| tok/s/MW | FP43,133,311FP82,025,703 | FP41,630,350FP81,177,121 | FP41,087,633FP8547,556 |
| 并发数 | FP4~12FP8~16 | FP4~8FP8~4 | FP4~3FP8~3 |
