DeepSeek R1 · 投机解码
GB300 NVL72 FP8:启用 MTP 与关闭投机解码的对比
在 GB300 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。
60 tok/s/user 接近 37–130 tok/s/user 交互性区间的下限。在这一运行点,启用 MTP 时,吞吐量为 8,373 tok/s/chip,每百万 token 成本为 $0.077;关闭投机解码时,吞吐量为 3,004 tok/s/chip,每百万 token 成本为 $0.21。在同一芯片上,MTP 的单芯片吞吐量高出 179%,因此每 token 成本低 64%。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 GB300 NVL72 FP8 上运行 DeepSeek R1,目标交互性设为 84 tok/s/user:启用 MTP 时,吞吐量为 6,186 tok/s/chip,每百万 token 成本为 $0.10;关闭投机解码时,吞吐量为 634 tok/s/chip,每百万 token 成本为 $1.01。在同一芯片上,MTP 的单芯片吞吐量为对方的 9.8 倍,因此每 token 成本低 90%。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。
DeepSeek R1 在 GB300 NVL72 FP8 上的目标交互性设为 107 tok/s/user:启用 MTP 时,吞吐量为 5,055 tok/s/chip,每百万 token 成本为 $0.13;关闭投机解码时,吞吐量为 357 tok/s/chip,每百万 token 成本为 $1.80。在同一芯片上,MTP 的单芯片吞吐量为对方的 14 倍,因此每 token 成本低 93%。draft token 接受率决定了在给定并发数下,投机解码是提升性能还是拖累性能。 (以上数据基于此 URL 固定的 8k/1k · fp8 工作负载;切换序列长度或模型后,表格和图表会同步更新。表格始终使用本页指定的精度,控件中的精度选项只影响图表。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | 启用 MTP8,373关闭投机解码3,004 | 启用 MTP6,186关闭投机解码634 | 启用 MTP5,055关闭投机解码357 |
| 成本($/M tok) | 启用 MTP$0.077关闭投机解码$0.21 | 启用 MTP$0.10关闭投机解码$1.01 | 启用 MTP$0.13关闭投机解码$1.80 |
| tok/s/MW | 启用 MTP3,949,326关闭投机解码1,417,211 | 启用 MTP2,918,029关闭投机解码299,207 | 启用 MTP2,384,349关闭投机解码168,194 |
| 并发数 | 启用 MTP~1,171关闭投机解码~511 | 启用 MTP~535关闭投机解码~30 | 启用 MTP~383关闭投机解码~23 |
