B300: FP4 vs FP8 精度对比
在 B300（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 MiniMax M3 428B（B300）上以 122 tok/s/user 交互性运行时，FP4 吞吐量为 5953 tok/s/Chip，每百万 token 成本 $0.11；FP8 吞吐量为 3849 tok/s/Chip，成本 $0.16。FP4 每 token 成本低 55%；FP4 每 Chip 吞吐量高出 55%。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（B300）上以 235 tok/s/user 运行时达到 3098 tok/s/Chip（每百万 token $0.20）；FP8 达到 2237 tok/s/Chip（$0.28）。FP4 每 token 成本低 39%；FP4 每 Chip 吞吐量高出 39%。量化级别的精度差异在评估页面中跟踪。
MiniMax M3 428B（B300）在 349 tok/s/user 交互性下的吞吐量：FP4 为 2067 tok/s/Chip，FP8 为 1040。每百万 token 成本分别为 $0.30 和 $0.60。FP4 每 token 成本低 99%；FP4 每 Chip 吞吐量高出 99%。低精度带来的成本-吞吐量权衡只是全貌的一部分——请参阅评估页面的精度数据。 （数据反映此 URL 的默认 8k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | FP4:5953.3FP8:3848.8 | FP4:3097.7FP8:2236.5 | FP4:2066.5FP8:1040.4 |
| Cost ($/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 |
| Concurrency | 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。