B300: FP4 vs FP8 精度对比
在 B300（NVIDIA Blackwell）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（B300）上以 111 tok/s/user 交互性运行时，FP4 吞吐量为 2505 tok/s/GPU，每百万 token 成本 $0.26；FP8 吞吐量为 1155 tok/s/GPU，成本 $0.56。FP4 每 token 成本低 119%；FP4 每 GPU 吞吐量高出 117%。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（B300）上以 212 tok/s/user 运行时达到 972 tok/s/GPU（每百万 token $0.67）；FP8 达到 539 tok/s/GPU（$1.19）。FP4 每 token 成本低 79%；FP4 每 GPU 吞吐量高出 80%。量化级别的精度差异在评估页面中跟踪。
MiniMax M3 428B（B300）在 312 tok/s/user 交互性下的吞吐量：FP4 为 481 tok/s/GPU，FP8 为 259。每百万 token 成本分别为 $1.37 和 $2.53。FP4 每 token 成本低 85%；FP4 每 GPU 吞吐量高出 86%。低精度带来的成本-吞吐量权衡只是全貌的一部分——请参阅评估页面的精度数据。 （数据反映此 URL 的默认 1k/1k 选择——如果您在控件中更改序列或模型，下方表格和图表会自动更新。每一侧取该精度下的最优可用推理配置，可能包含投机解码（如 MTP）——与其他对比页面的口径一致。）
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | FP4:2504.9FP8:1155.1 | FP4:972.3FP8:538.9 | FP4:480.9FP8:258.6 |
| Cost ($/M tok) | FP4:$0.258FP8:$0.563 | FP4:$0.667FP8:$1.195 | FP4:$1.369FP8:$2.528 |
| tok/s/MW | FP4:1318361FP8:607931 | FP4:511717FP8:283609 | FP4:253106FP8:136124 |
| Concurrency | FP4:~104FP8:~29 | FP4:~10FP8:~8 | FP4:~2FP8:~2 |
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。