OpenAI在最新的开源模型gpt-oss上选用的MXFP4数据类型，直接让推理本钱暴降75%！

更惊人的是，MXFP4在把内存占用降为同规划BF16模型的四分之一的一起，还把生成token的速度进步了整整4倍。

换句话说，这一操作直接把1200亿参数的大模型塞进80GB显存的显卡，哪怕是只要16GB显存的显卡也能跑200亿参数的版别。

（注：显存容量通常会大于Checkpoint Size）

比较以往的数据类型，MXFP4供给了极高的性价比，模型运转所需的硬件资源仅为之前的四分之一。

MXFP4有什么法力？

在gpt-oss中，OpenAI将MXFP4量化使用于大约90%的权重，这一操作的直接动机（收益）便是让模型运转本钱变得愈加廉价。

将gpt-oss模型量化为MXFP4 后，大言语模型的占用内存仅为等规划BF16模型的1/4，并且生成token的速度最高可进步4倍。

怎样经过改动数据类型下降模型运转本钱？这儿的逻辑是这样的：

模型的运转本钱主要由权重存储和内存带宽两个部分组成。

前者是模型参数寄存和占用的空间，也便是存储它们所需求的字节数。

后者则是模型在推理时，数据读写速度和容量的约束。

数据类型的改动将直接影响权重存储和内存带宽的占用。

例如，传统模型权重通常用FP32（32位浮点数）存储，每个参数占用4字节内存。

假如用MXFP4，那么每个权重只要半字节，权重存储巨细是FP32的1/8，这就极大地紧缩了权重数据量的巨细。

这一紧缩不只下降了模型的存储空间，还能让模型在相同的带宽下完结更快地数据读取和写入，然后进步推理速度。

由此，经过改动数据类型就能完成推理本钱的降本增效。

那么，MXFP4是怎样完成这一点的？

MXFP4

MXFP4的全称是微缩放4位浮点数（Micro-scaling Floating Point 4-bit），是由Open Compute Project (OCP) 界说的4位浮点数据类型。

（注：OCP是Facebook于2011年建议的超大规划数据中心协作安排，旨在下降数据中心组件本钱并进步可获取性。）

在深度学习范畴中，数据类型的精度和功率一直是研讨者取舍的要点。

例如，传统的FP4只要四位，1位符九尾狐姐姐传在线观看号位（标明正负），2位指数位（决议数值的量级），1位尾数位（标明小数部分）。

这种标明办法尽管紧缩了数据量，但也导致了十分有限的可标明的数值规模，它只能标明8个正数和8个负数。

相较之下，BF16（1位符号位，8位指数位和7 位尾数位）则能标明 65,536个数值，不过标明规模的添加也带来了核算本钱的上升。

假如为了进步核算功率，直接把这4个BF16数值：0.0625、0.375、0.078125、0.25直接转换成FP4，那么它们会变成 0、0.5、0、0.5。

不难看出，这样的差错显然是无法承受的。

所以，为了在削减数据量的一起保证必定的精度，MXFP4经过将一组高精度数值（默许32个）乘以一个公共缩放因子（这个缩放因子是一个8位二进制指数）。这样，咱们前面那4个BF16数值就会变成 1、6、1.5、4。

这样就既完成了极致的数据巨细，又保持了数值间巨细联系的精度。

此外，这一进程的完成还与核算硬件相关。

一般规则是，每将浮点精度折半，芯片的浮点吞吐量就能翻倍。

比方，一个B200SXM模块的稠密BF16运算功能约为2.2 petaFLOPS，降到FP4（Nvidia Blackwell 芯片供给硬件加速）后，就能进步到9petaFLOPS。

尽管这会在吞吐量上带来一些进步，但在推理阶段，更多FLOPS的含义主要是削减模型开端生成答案的等待时间。

值得注意的是，运转MXFP4模型并不要求硬九尾狐姐姐传在线观看件有必要原生支撑FP4。

用于练习gpt-oss的Nvidia H100就不支撑原生FP4，不过它仍然能够运转，仅仅无法享用该数据类型的悉数优势。

低精度与核算量的取舍

事实上，MXFP4并不是新概念。早在2023年的陈述中，OCP就在陈述《OCP Microscaling Formats (MX) Specification Version 1.0》中详细介绍过这一数据类型。

但是，这种低精度的数据类型通常被以为是对性价比的退让，由于精度下降会导致质量丢失。丢失的程度取决于详细的量化办法。

不过，现已有满足多的研讨标明，将数据精度从16位降到8位，在大言语模型场景下简直没有质量丢失，这种精度现已满足支撑模型的正常作业。

事实上，一些模型开发者，例如DeepSeek现已开端直接用FP8进行练习。

此外，尽管MXFP4比规范FP4好得多，但它也有缺点。

例如，英伟达就以为这种数据类型比较FP8仍或许呈现质量下降，部分原因是其缩放块巨细（Scaling Block Size）为32，不行细粒化。

为此，英伟达推出了自己的微缩放数据类型NVFP4，经过将缩放块巨细降至16和运用FP8缩放因子来进步质量。

这简直等同于FP8的作业方式。只不过MXFP4是在张量内部的小块上使用缩放因子，而不是作用于整个张量，然后在数值之间完成更细的粒度。

最终，在gpt-oss上，OpenAI只运用了MXFP4。

鉴于OpenAI在AI范畴上的影响力，这基本上就等于在说：

假如MXFP4对咱们够用，那对你也应该够用。

参阅链接

[1]https://www.theregister.com/2025/08/10/openai_mxfp4/

[2]https://cdn.openai.com/pdf/419b6906-9da6-406c-a19d-1bb078ac7637/oai_gpt-oss_model_card.pdf

[3]https://www.opencompute.org/documents/ocp-microscaling-formats-mx-v1-0-spec-final-pdf

本文来自微信大众号“量子位”，36氪经授权发布。