MI355X: FP4 vs FP8 精度对比
在 MI355X（AMD CDNA 4）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（MI355X）上以 82 tok/s/user 交互性运行时，FP4 吞吐量为 6248 tok/s/GPU，每百万 token 成本 $0.07；FP8 吞吐量为 4257 tok/s/GPU，成本 $0.10。FP4 每 token 成本低 46%；FP4 每 GPU 吞吐量高出 47%。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（MI355X）上以 157 tok/s/user 运行时达到 3868 tok/s/GPU（每百万 token $0.11）；FP8 达到 2254 tok/s/GPU（$0.18）。FP4 每 token 成本低 70%；FP4 每 GPU 吞吐量高出 72%。量化级别的精度差异在评估页面中跟踪。
MiniMax M3 428B（MI355X）在 232 tok/s/user 交互性下的吞吐量：FP4 为 2229 tok/s/GPU，FP8 为 1259。每百万 token 成本分别为 $0.18 和 $0.32。FP4 每 token 成本低 77%；FP4 每 GPU 吞吐量高出 77%。低精度带来的成本-吞吐量权衡只是全貌的一部分——请参阅评估页面的精度数据。 （数据反映此 URL 的默认 8k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:6248.5FP8:4256.6 | FP4:3868.1FP8:2254.4 | FP4:2228.8FP8:1259.4 |
| Cost ($/M tok) | FP4:$0.066FP8:$0.096 | FP4:$0.107FP8:$0.182 | FP4:$0.179FP8:$0.317 |
| tok/s/MW | FP4:2357922FP8:1606277 | FP4:1459664FP8:850712 | FP4:841066FP8:475230 |
| Concurrency | 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的推理性能指标。