MiniMax M3 428B · GB300 NVL72 · 精度对比
GB300 NVL72: FP4 vs FP8 精度对比
在 GB300 NVL72（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。
FP8：4610 tok/s/chip，每百万 token $0.14（MiniMax M3 428B（GB300 NVL72）上以 125 tok/s/user 运行）。FP4 在此点尚未测试。
在 MiniMax M3 428B（GB300 NVL72）上以 229 tok/s/user 运行时，FP8 吞吐量为 1782 tok/s/chip，每百万 token 成本 $0.36；FP4 在此目标点没有基准测试数据。
FP8 在 MiniMax M3 428B（GB300 NVL72）上以 333 tok/s/user 运行时达到 1030 tok/s/chip（每百万 token $0.62）。FP4 在此工作点没有数据。 （数据反映此 URL 的默认 8k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/chip) | FP4:—FP8:4610.3 | FP4:—FP8:1782.4 | FP4:—FP8:1030.4 |
| Cost ($/M tok) | FP4:—FP8:$0.139 | FP4:—FP8:$0.360 | FP4:—FP8:$0.623 |
| tok/s/MW | FP4:—FP8:2174679 | FP4:—FP8:840769 | FP4:—FP8:486019 |
| Concurrency | FP4:—FP8:~60 | FP4:—FP8:~8 | FP4:—FP8:~4 |
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。