GB200 NVL72 FP4：启用 MTP 与关闭投机解码的对比
在 GB200 NVL72 FP4（NVIDIA Blackwell）上运行 DeepSeek R1 时，对比启用 MTP和关闭投机解码两种配置的表现，涵盖不同 LLM 工作负载下的吞吐量、成本和交互性。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。
不同推理引擎统计 MTP 接受率的口径并不一致，因此同一条曲线上来自不同引擎的数据点不可直接比较。在交互性相同的情况下，吞吐量和成本差异可能来自引擎本身，并不完全代表投机解码带来的收益。跨引擎对比时请谨慎解读。
在 GB200 NVL72 FP4 上运行 DeepSeek R1，目标交互性设为 57 tok/s/user：启用 MTP 时，吞吐量为 11333 tok/s/chip，每百万 token 成本为 $0.05；关闭投机解码时，吞吐量为 6442 tok/s/chip，每百万 token 成本为 $0.08。MTP 的成本效率高出 76%；MTP 的单芯片吞吐量高出 76%。投机解码会增加 draft token 的计算量，以减少解码步数；收益取决于序列长度和批大小。
97 tok/s/user 位于 19–175 tok/s/user 交互性区间的中段。在这一运行点，启用 MTP 时，吞吐量为 7092 tok/s/chip，每百万 token 成本为 $0.07；关闭投机解码时，吞吐量为 549 tok/s/chip，每百万 token 成本为 $0.94。MTP 的成本效率高出 1191%；MTP 的单芯片吞吐量高出 1191%。投机解码的收益因工作负载而异；输出较短的 prompt 通常收益较小。
在 GB200 NVL72 FP4 上运行 DeepSeek R1，目标交互性设为 136 tok/s/user：启用 MTP 时，吞吐量为 3059 tok/s/chip，每百万 token 成本为 $0.17；关闭投机解码时，吞吐量为 187 tok/s/chip，每百万 token 成本为 $2.76。MTP 的成本效率高出 1533%；MTP 的单芯片吞吐量高出 1533%。投机解码通过接受 draft token 降低每 token 延迟；收益因工作负载和 prompt 分布而异。 （以上数据基于此 URL 固定的 1k/1k · fp4 工作负载；切换序列长度或模型后，表格和图表会同步更新。表格始终使用本页指定的精度，控件中的精度选项只影响图表。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | 启用 MTP:11333.4关闭投机解码:6442.0 | 启用 MTP:7092.5关闭投机解码:549.5 | 启用 MTP:3058.6关闭投机解码:187.3 |
| 成本（$/M tok） | 启用 MTP:$0.046关闭投机解码:$0.080 | 启用 MTP:$0.073关闭投机解码:$0.940 | 启用 MTP:$0.169关闭投机解码:$2.758 |
| tok/s/MW | 启用 MTP:6060616关闭投机解码:3444905 | 启用 MTP:3792765关闭投机解码:293833 | 启用 MTP:1635620关闭投机解码:100184 |
| 并发数 | 启用 MTP:~3397关闭投机解码:~3248 | 启用 MTP:~2028关闭投机解码:~130 | 启用 MTP:~686关闭投机解码:~11 |
推理性能
不同模型、硬件配置和服务参数下，来自 AgentX 场景的智能体推理指标与固定序列推理指标。