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 |
