前言 OpenAI在最新的开源模型gpt-oss上采用的MXFP4数据类型，直接让推理成本暴降75%！更惊人的是，MXFP4在把内存占用降为同规模BF16模型的四分之一的同时，还把生成token的速度提升了整整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，哪怕是只有16GB显存的显卡也能跑200亿参数的版本。
欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。
本文转载自量子位
仅用于学术分享，若侵权请联系删除
招聘高光谱图像、语义分割、diffusion等方向论文指导老师
（注：显存容量通常会大于Checkpoint Size）
相比以往的数据类型，MXFP4提供了极高的性价比，模型运行所需的硬件资源仅为之前的四分之一。
MXFP4有什么魔力？
在gpt-oss中，OpenAI将MXFP4量化应用于大约90%的权重，这一操作的直接动机（收益）就是让模型运行成本变得更加便宜。
将gpt-oss模型量化为MXFP4 后，大语言模型的占用内存仅为等规模BF16模型的1/4，而且生成token的速度最高可提升4倍。
如何通过改变数据类型降低模型运行成本？这里的逻辑是这样的：
模型的运行成本主要由权重存储和内存带宽两个部分组成。
前者是模型参数存放和占用的空间，也就是存储它们所需要的字节数。
后者则是模型在推理时，数据读写速度和容量的限制。
数据类型的变化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。
如果用MXFP4，那么每个权重只有半字节，权重存储大小是FP32的1/8，这就极大地压缩了权重数据量的大小。
这一压缩不仅降低了模型的存储空间，还能让模型在同样的带宽下完成更快地数据读取和写入，从而提高推理速度。
由此，通过改变数据类型就能实现推理成本的降本增效。
那么，MXFP4是怎么实现这一点的？
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) 定义的4位浮点数据类型。
（注：OCP是Facebook于2011年发起的超大规模数据中心合作组织，旨在降低数据中心组件成本并提高可获取性。）
在深度学习领域中，数据类型的精度和效率一直是研究者取舍的重点。
例如，传统的FP4只有四位，1位符号位（表示正负），2位指数位（决定数值的量级），1位尾数位（表示小数部分）。
这种表示方法虽然压缩了数据量，但也导致了非常有限的可表示的数值范围，它只能表示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）则能表示 65,536个数值，不过表示范围的增加也带来了计算成本的上升。
如果为了提高计算效率，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，这样的误差显然是无法接受的。
于是，为了在减少数据量的同时确保一定的精度，MXFP4通过将一组高精度数值（默认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，我们前面那4个BF16数值就会变成 1、6、1.5、4。
这样就既实现了极致的数据大小，又维持了数值间大小关系的精度。
此外，这一过程的实现还与计算硬件相关。
一般规律是，每将浮点精度减半，芯片的浮点吞吐量就能翻倍。
比如，一个B200SXM模块的稠密BF16运算性能约为2.2 petaFLOPS，降到FP4（Nvidia Blackwell 芯片提供硬件加速）后，就能提升到9petaFLOPS。
虽然这会在吞吐量上带来一些提升，但在推理阶段，更多FLOPS的意义主要是减少模型开始生成答案的等待时间。
值得注意的是，运行MXFP4模型并不要求硬件必须原生支持FP4。
用于训练gpt-oss的Nvidia H100就不支持原生FP4，不过它依然可以运行，只是无法享受该数据类型的全部优势。
低精度与计算量的取舍
事实上，MXFP4并不是新概念。早在2023年的报告中，OCP就在报告《OCP Microscaling Formats (MX) Specification Version 1.0》中详细介绍过这一数据类型。
然而，这种低精度的数据类型通常被认为是对性价比的妥协，因为精度下降会导致质量损失。损失的程度取决于具体的量化方法。
不过，已经有足够多的研究表明，将数据精度从16位降到8位，在大语言模型场景下几乎没有质量损失，这种精度已经足够支撑模型的正常工作。
事实上，一些模型开发者，例如DeepSeek已经开始直接用FP8进行训练。
此外，虽然MXFP4比标准FP4好得多，但它也有缺陷。
例如，英伟达就认为这种数据类型相比FP8仍可能出现质量下降，部分原因是其缩放块大小（Scaling Block Size）为32，不够细粒化。
为此，英伟达推出了自己的微缩放数据类型NVFP4，通过将缩放块大小降至16和使用FP8缩放因子来提高质量。
这几乎等同于FP8的工作方式。只不过MXFP4是在张量内部的小块上应用缩放因子，而不是作用于整个张量，从而在数值之间实现更细的粒度。
最后，在gpt-oss上，OpenAI只使用了MXFP4。
鉴于OpenAI在AI领域上的影响力，这基本上就等于在说：
如果MXFP4对我们够用，那对你也应该够用。
参考链接
[1]www.theregister.com/2025/08/10/…
[2]cdn.openai.com/pdf/419b690…
[3]www.opencompute.org/documents/o…
欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。
【技术文档】《从零搭建pytorch模型教程》122页PDF下载
QQ交流群：470899183。群内有大佬负责解答大家的日常学习、科研、代码问题。
其它文章
LSKA注意力 | 重新思考和设计大卷积核注意力，性能优于ConvNeXt、SWin、RepLKNet以及VAN
CVPR 2023 | TinyMIM：微软亚洲研究院用知识蒸馏改进小型ViT
ICCV2023|涨点神器！目标检测蒸馏学习新方法，浙大、海康威视等提出
ICCV 2023 Oral | 突破性图像融合与分割研究：全时多模态基准与多交互特征学习
HDRUNet | 深圳先进院董超团队提出带降噪与反量化功能的单帧HDR重建算法
南科大提出ORCTrack | 解决DeepSORT等跟踪方法的遮挡问题，即插即用真的很香
1800亿参数，世界顶级开源大模型Falcon官宣！碾压LLaMA 2，性能直逼GPT-4
SAM-Med2D：打破自然图像与医学图像的领域鸿沟，医疗版 SAM 开源了！
GhostSR|针对图像超分的特征冗余，华为诺亚&北大联合提出GhostSR
Meta推出像素级动作追踪模型，简易版在线可玩 | GitHub 1.4K星
CSUNet | 完美缝合Transformer和CNN，性能达到UNet家族的巅峰！
