MI355X：FP4 与 FP8 精度对比
在 MI355X（AMD CDNA 4）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 MI355X 上运行 MiniMax M3 428B，目标交互性为 82 tok/s/user 时，FP4 的吞吐量为 6206 tok/s/chip，每百万 token 成本为 $0.07；FP8 的吞吐量为 4257 tok/s/chip，每百万 token 成本为 $0.10。FP4 的成本效率高出 46%；FP4 的单芯片吞吐量高出 46%。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 MI355X 上的目标交互性为 157 tok/s/user 时，FP4 的吞吐量为 3868 tok/s/chip，每百万 token 成本为 $0.11；FP8 的吞吐量为 2254 tok/s/chip，每百万 token 成本为 $0.18。FP4 的成本效率高出 72%；FP4 的单芯片吞吐量高出 72%。不同量化精度下的模型准确率差异可在评估页查看。
在 MI355X 上运行 MiniMax M3 428B，目标交互性为 232 tok/s/user 时，FP4 与 FP8 的吞吐量分别为 2229 和 1259 tok/s/chip，每百万 token 成本分别为 $0.19 和 $0.33。FP4 的成本效率高出 77%；FP4 的单芯片吞吐量高出 77%。较低量化精度下的成本与吞吐量权衡只是整体考量的一部分；模型准确率数据请参阅评估页。 （以上数据基于此 URL 对应的默认 8k/1k 配置；在控件中切换序列长度或模型后，下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置；只有存在相应测试配置时，才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | FP4:6205.9FP8:4256.6 | FP4:3868.1FP8:2254.4 | FP4:2228.8FP8:1259.4 |
| 成本（$/M tok） | FP4:$0.067FP8:$0.098 | FP4:$0.108FP8:$0.185 | FP4:$0.187FP8:$0.331 |
| tok/s/MW | FP4:2969329FP8:2036667 | FP4:1850770FP8:1078654 | FP4:1066423FP8:602564 |
| 并发数 | FP4:~40FP8:~28 | FP4:~13FP8:~8 | FP4:~5FP8:~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。