DeepSeek R1 · 投机解码
MI325X FP8:启用 MTP 与关闭投机解码的对比
在 MI325X FP8(AMD CDNA 3)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 MI325X 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 334 tok/s/chip,每百万 token 成本为 $0.91;关闭投机解码时,吞吐量为 346 tok/s/chip,每百万 token 成本为 $0.88。在同一芯片上,关闭投机解码 的单芯片吞吐量高出 4%,因此每 token 成本低 3%。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 MI325X FP8 上的目标交互性设为 50 tok/s/user:启用 MTP 时,吞吐量为 219 tok/s/chip,每百万 token 成本为 $1.40;关闭投机解码时,吞吐量为 226 tok/s/chip,每百万 token 成本为 $1.35。在同一芯片上,关闭投机解码 的单芯片吞吐量高出 3%,因此每 token 成本低 3%。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 MI325X FP8 上运行 DeepSeek R1,目标交互性设为 60 tok/s/user:启用 MTP 时,吞吐量为 132 tok/s/chip,每百万 token 成本为 $2.32;关闭投机解码时,吞吐量为 131 tok/s/chip,每百万 token 成本为 $2.34。每 token 成本基本持平;单芯片吞吐量基本持平。投机解码会增加 draft token 的计算量,以减少解码步数;收益取决于序列长度和批大小。 (以上数据基于此 URL 固定的 1k/1k · fp8 工作负载;切换序列长度或模型后,表格和图表会同步更新。表格始终使用本页指定的精度,控件中的精度选项只影响图表。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | 启用 MTP334关闭投机解码346 | 启用 MTP219关闭投机解码226 | 启用 MTP132关闭投机解码131 |
| 成本($/M tok) | 启用 MTP$0.91关闭投机解码$0.88 | 启用 MTP$1.40关闭投机解码$1.35 | 启用 MTP$2.32关闭投机解码$2.34 |
| tok/s/MW | 启用 MTP197,648关闭投机解码204,721 | 启用 MTP129,538关闭投机解码133,483 | 启用 MTP77,891关闭投机解码77,412 |
| 并发数 | 启用 MTP~36关闭投机解码~38 | 启用 MTP~18关闭投机解码~19 | 启用 MTP~9关闭投机解码~9 |
