DeepSeek R1 · 投机解码
GB200 NVL72 FP8:启用 MTP 与关闭投机解码的对比
在 GB200 NVL72 FP8(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 FP8 上运行 DeepSeek R1,目标交互性设为 68 tok/s/user:启用 MTP 时,吞吐量为 6,008 tok/s/chip,每百万 token 成本为 $0.086;关闭投机解码时,吞吐量为 1,533 tok/s/chip,每百万 token 成本为 $0.34。在同一芯片上,MTP 的单芯片吞吐量为对方的 3.9 倍,因此每 token 成本低 74%。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。
89 tok/s/user 位于 47–130 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 5,149 tok/s/chip,每百万 token 成本为 $0.10;关闭投机解码时,吞吐量为 336 tok/s/chip,每百万 token 成本为 $1.54。在同一芯片上,MTP 的单芯片吞吐量为对方的 15 倍,因此每 token 成本低 93%。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 FP8 上运行 DeepSeek R1,目标交互性设为 110 tok/s/user:启用 MTP 时,吞吐量为 4,430 tok/s/chip,每百万 token 成本为 $0.12;关闭投机解码时,吞吐量为 283 tok/s/chip,每百万 token 成本为 $1.83。在同一芯片上,MTP 的单芯片吞吐量为对方的 16 倍,因此每 token 成本低 94%。投机解码通过接受 draft token 降低每 token 延迟;收益因工作负载和 prompt 分布而异。 (以上数据基于此 URL 固定的 8k/1k · fp8 工作负载;切换序列长度或模型后,表格和图表会同步更新。表格始终使用本页指定的精度,控件中的精度选项只影响图表。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | 启用 MTP6,008关闭投机解码1,533 | 启用 MTP5,149关闭投机解码336 | 启用 MTP4,430关闭投机解码283 |
| 成本($/M tok) | 启用 MTP$0.086关闭投机解码$0.34 | 启用 MTP$0.10关闭投机解码$1.54 | 启用 MTP$0.12关闭投机解码$1.83 |
| tok/s/MW | 启用 MTP3,212,713关闭投机解码819,566 | 启用 MTP2,753,252关闭投机解码179,847 | 启用 MTP2,368,862关闭投机解码151,379 |
| 并发数 | 启用 MTP~666关闭投机解码~128 | 启用 MTP~368关闭投机解码~10 | 启用 MTP~333关闭投机解码~17 |
