DeepSeek R1 · 投机解码

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。

MTP 接受率不宜跨引擎直接比较

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 11,333 tok/s/chip,每百万 token 成本为 $0.046;关闭投机解码时,吞吐量为 6,442 tok/s/chip,每百万 token 成本为 $0.080。在同一芯片上,MTP 的单芯片吞吐量高出 76%,因此每 token 成本低 43%。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 7,092 tok/s/chip,每百万 token 成本为 $0.073;关闭投机解码时,吞吐量为 549 tok/s/chip,每百万 token 成本为 $0.94。在同一芯片上,MTP 的单芯片吞吐量为对方的 13 倍,因此每 token 成本低 92%。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 3,059 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。在同一芯片上,MTP 的单芯片吞吐量为对方的 16 倍,因此每 token 成本低 94%。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。)

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)
启用 MTP11,333关闭投机解码6,442
启用 MTP7,092关闭投机解码549
启用 MTP3,059关闭投机解码187
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$0.94
启用 MTP$0.17关闭投机解码$2.76
tok/s/MW
启用 MTP6,060,616关闭投机解码3,444,905
启用 MTP3,792,765关闭投机解码293,833
启用 MTP1,635,620关闭投机解码100,184
并发数
启用 MTP~3,397关闭投机解码~3,248
启用 MTP~2,028关闭投机解码~130
启用 MTP~686关闭投机解码~11
DeepSeek R1:GB200 NVL72 FP4 上两种配置(启用 MTP、关闭投机解码)在相同交互性水平下的对比
GB200 NVL72 FP4 上两种配置(启用 MTP、关闭投机解码)的对比(默认工作负载)
查看大图 ↗