MiniMax M3 428B · MI355X · 精度对比
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 6,206 tok/s/chip,每百万 token 成本为 $0.067;FP8 的吞吐量为 4,257 tok/s/chip,每百万 token 成本为 $0.098。在同一芯片上,FP4 的单芯片吞吐量高出 46%,因此每 token 成本低 31%。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 3,868 tok/s/chip,每百万 token 成本为 $0.11;FP8 的吞吐量为 2,254 tok/s/chip,每百万 token 成本为 $0.18。在同一芯片上,FP4 的单芯片吞吐量高出 72%,因此每 token 成本低 42%。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 2,229 和 1,259 tok/s/chip,每百万 token 成本分别为 $0.19 和 $0.33。在同一芯片上,FP4 的单芯片吞吐量高出 77%,因此每 token 成本低 43%。较低量化精度下的成本与吞吐量权衡只是整体考量的一部分;模型准确率数据请参阅评估页。 (以上数据基于此 URL 对应的默认 8k/1k 配置;在控件中切换序列长度或模型后,下方表格和图表会同步更新。两侧均采用各自精度下可用的最优推理配置;只有存在相应测试配置时,才可能纳入 MTP 等投机解码方法。该口径与其他对比页面一致。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | FP46,206FP84,257 | FP43,868FP82,254 | FP42,229FP81,259 |
| 成本($/M tok) | FP4$0.067FP8$0.098 | FP4$0.11FP8$0.18 | FP4$0.19FP8$0.33 |
| tok/s/MW | FP42,969,329FP82,036,667 | FP41,850,770FP81,078,654 | FP41,066,423FP8602,564 |
| 并发数 | FP4~40FP8~28 | FP4~13FP8~8 | FP4~5FP8~3 |
