MiniMax M3 428B · GB300 NVL72 · 精度对比

GB300 NVL72:FP4 与 FP8 精度对比

在 GB300 NVL72(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 GB300 NVL72 上运行 MiniMax M3 428B,目标交互性设为 125 tok/s/user:采用 FP8 时,吞吐量为 4,610 tok/s/chip,每百万 token 成本为 $0.14;采用 FP4 时,该运行点尚未测试。

在 GB300 NVL72 上运行 MiniMax M3 428B,目标交互性设为 229 tok/s/user:采用 FP8 时,吞吐量为 1,782 tok/s/chip,每百万 token 成本为 $0.36;采用 FP4 时,该运行点暂无基准测试数据。

MiniMax M3 428B 在 GB300 NVL72 上的目标交互性设为 333 tok/s/user:采用 FP8 时,吞吐量为 1,030 tok/s/chip,每百万 token 成本为 $0.62;采用 FP4 时,该运行点暂无数据。 (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)
FP4—FP84,610
FP4—FP81,782
FP4—FP81,030
成本($/M tok)
FP4—FP8$0.14
FP4—FP8$0.36
FP4—FP8$0.62
tok/s/MW
FP4—FP82,174,679
FP4—FP8840,769
FP4—FP8486,019
并发数
FP4—FP8~60
FP4—FP8~8
FP4—FP8~4
MiniMax M3 428B:GB300 NVL72 上 FP4 与 FP8 在相同交互性水平下的吞吐量与成本
GB300 NVL72 上 FP4 与 FP8 在此对比默认工作负载下的吞吐量与每百万 token 成本
查看大图 ↗