DeepSeek R1 · 投机解码
GB300 NVL72 FP4:启用 MTP 与关闭投机解码的对比
在 GB300 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。
DeepSeek R1 在 GB300 NVL72 FP4 上的目标交互性设为 59 tok/s/user:启用 MTP 时,吞吐量为 13,357 tok/s/chip,每百万 token 成本为 $0.048;关闭投机解码时,吞吐量为 6,821 tok/s/chip,每百万 token 成本为 $0.094。在同一芯片上,MTP 的单芯片吞吐量高出 96%,因此每 token 成本低 49%。draft token 接受率决定了在给定并发数下,投机解码是提升性能还是拖累性能。
在 GB300 NVL72 FP4 上运行 DeepSeek R1,目标交互性设为 98 tok/s/user:启用 MTP 时,吞吐量为 8,316 tok/s/chip,每百万 token 成本为 $0.077;关闭投机解码时,吞吐量为 560 tok/s/chip,每百万 token 成本为 $1.14。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。
138 tok/s/user 接近 21–176 tok/s/user 交互性区间的上限。在这一运行点,启用 MTP 时,吞吐量为 3,821 tok/s/chip,每百万 token 成本为 $0.17;关闭投机解码时,吞吐量为 180 tok/s/chip,每百万 token 成本为 $3.56。在同一芯片上,MTP 的单芯片吞吐量为对方的 21 倍,因此每 token 成本低 95%。投机解码的收益因工作负载而异;输出较短的 prompt 通常收益较小。 (以上数据基于此 URL 固定的 1k/1k · fp4 工作负载;切换序列长度或模型后,表格和图表会同步更新。表格始终使用本页指定的精度,控件中的精度选项只影响图表。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | 启用 MTP13,357关闭投机解码6,821 | 启用 MTP8,316关闭投机解码560 | 启用 MTP3,821关闭投机解码180 |
| 成本($/M tok) | 启用 MTP$0.048关闭投机解码$0.094 | 启用 MTP$0.077关闭投机解码$1.14 | 启用 MTP$0.17关闭投机解码$3.56 |
| tok/s/MW | 启用 MTP6,300,484关闭投机解码3,217,505 | 启用 MTP3,922,554关闭投机解码264,382 | 启用 MTP1,802,447关闭投机解码84,925 |
| 并发数 | 启用 MTP~2,484关闭投机解码~3,022 | 启用 MTP~1,651关闭投机解码~113 | 启用 MTP~702关闭投机解码~8 |
