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 8373 tok/s/chip，每百万 token 成本为 $0.08；关闭投机解码时，吞吐量为 3004 tok/s/chip，每百万 token 成本为 $0.21。MTP 的成本效率高出 179%；MTP 的单芯片吞吐量高出 179%。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 6186 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。MTP 的成本效率高出 875%；MTP 的单芯片吞吐量高出 875%。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 5055 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 $1.80。MTP 的成本效率高出 1318%；MTP 的单芯片吞吐量高出 1318%。draft token 接受率决定了在给定并发数下，投机解码是提升性能还是拖累性能。 （以上数据基于此 URL 固定的 8k/1k · fp8 工作负载；切换序列长度或模型后，表格和图表会同步更新。表格始终使用本页指定的精度，控件中的精度选项只影响图表。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | 启用 MTP:8372.6关闭投机解码:3004.5 | 启用 MTP:6186.2关闭投机解码:634.3 | 启用 MTP:5054.8关闭投机解码:356.6 |
| 成本（$/M tok） | 启用 MTP:$0.077关闭投机解码:$0.214 | 启用 MTP:$0.104关闭投机解码:$1.012 | 启用 MTP:$0.127关闭投机解码:$1.800 |
| tok/s/MW | 启用 MTP:3949326关闭投机解码:1417211 | 启用 MTP:2918029关闭投机解码:299207 | 启用 MTP:2384349关闭投机解码:168194 |
| 并发数 | 启用 MTP:~1171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 |
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。