MI355X FP4：启用 MTP 与关闭投机解码的对比
在 MI355X FP4（AMD CDNA 4）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 MI355X FP4 上的目标交互性设为 49 tok/s/user：启用 MTP 时，吞吐量为 2089 tok/s/chip，每百万 token 成本为 $0.20；关闭投机解码时，吞吐量为 1589 tok/s/chip，每百万 token 成本为 $0.26。MTP 的成本效率高出 32%；MTP 的单芯片吞吐量高出 32%。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 MI355X FP4 上运行 DeepSeek R1，目标交互性设为 85 tok/s/user：启用 MTP 时，吞吐量为 1682 tok/s/chip，每百万 token 成本为 $0.25；关闭投机解码时，吞吐量为 512 tok/s/chip，每百万 token 成本为 $0.81。MTP 的成本效率高出 228%；MTP 的单芯片吞吐量高出 228%。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。
121 tok/s/user 接近 13–157 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 461 tok/s/chip，每百万 token 成本为 $0.90；关闭投机解码时，吞吐量为 132 tok/s/chip，每百万 token 成本为 $3.15。MTP 的成本效率高出 248%；MTP 的单芯片吞吐量高出 248%。投机解码的收益因工作负载而异；输出较短的 prompt 通常收益较小。 （以上数据基于此 URL 固定的 1k/1k · fp4 工作负载；切换序列长度或模型后，表格和图表会同步更新。表格始终使用本页指定的精度，控件中的精度选项只影响图表。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | 启用 MTP:2089.2关闭投机解码:1588.5 | 启用 MTP:1682.0关闭投机解码:512.2 | 启用 MTP:461.3关闭投机解码:132.4 |
| 成本（$/M tok） | 启用 MTP:$0.199关闭投机解码:$0.262 | 启用 MTP:$0.248关闭投机解码:$0.813 | 启用 MTP:$0.903关闭投机解码:$3.146 |
| tok/s/MW | 启用 MTP:999616关闭投机解码:760051 | 启用 MTP:804804关闭投机解码:245078 | 启用 MTP:220696关闭投机解码:63363 |
| 并发数 | 启用 MTP:~153关闭投机解码:~223 | 启用 MTP:~256关闭投机解码:~61 | 启用 MTP:~16关闭投机解码:~10 |
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。