H200 FP8：启用 MTP 与关闭投机解码的对比
在 H200 FP8（NVIDIA Hopper）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 H200 FP8 上运行 DeepSeek R1，目标交互性设为 39 tok/s/user：启用 MTP 时，吞吐量为 1832 tok/s/chip，每百万 token 成本为 $0.18；关闭投机解码时，吞吐量为 947 tok/s/chip，每百万 token 成本为 $0.36。MTP 的成本效率高出 93%；MTP 的单芯片吞吐量高出 93%。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 H200 FP8 上的目标交互性设为 62 tok/s/user：启用 MTP 时，吞吐量为 1124 tok/s/chip，每百万 token 成本为 $0.30；关闭投机解码时，吞吐量为 711 tok/s/chip，每百万 token 成本为 $0.48。MTP 的成本效率高出 58%；MTP 的单芯片吞吐量高出 58%。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 H200 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 855 tok/s/chip，每百万 token 成本为 $0.40；关闭投机解码时，吞吐量为 501 tok/s/chip，每百万 token 成本为 $0.68。MTP 的成本效率高出 71%；MTP 的单芯片吞吐量高出 71%。投机解码会增加 draft token 的计算量，以减少解码步数；收益取决于序列长度和批大小。 （以上数据基于此 URL 固定的 8k/1k · fp8 工作负载；切换序列长度或模型后，表格和图表会同步更新。表格始终使用本页指定的精度，控件中的精度选项只影响图表。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | 启用 MTP:1832.1关闭投机解码:947.4 | 启用 MTP:1124.4关闭投机解码:711.3 | 启用 MTP:855.4关闭投机解码:501.5 |
| 成本（$/M tok） | 启用 MTP:$0.185关闭投机解码:$0.358 | 启用 MTP:$0.301关闭投机解码:$0.476 | 启用 MTP:$0.396关闭投机解码:$0.676 |
| tok/s/MW | 启用 MTP:1337271关闭投机解码:691499 | 启用 MTP:820725关闭投机解码:519194 | 启用 MTP:624346关闭投机解码:366056 |
| 并发数 | 启用 MTP:~128关闭投机解码:~22 | 启用 MTP:~160关闭投机解码:~11 | 启用 MTP:~38关闭投机解码:~5 |
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。