MI355X FP8：启用 MTP 与关闭投机解码的对比
在 MI355X FP8（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 FP8 上的目标交互性设为 52 tok/s/user：启用 MTP 时，吞吐量为 1129 tok/s/chip，每百万 token 成本为 $0.37；关闭投机解码时，吞吐量为 479 tok/s/chip，每百万 token 成本为 $0.87。MTP 的成本效率高出 135%；MTP 的单芯片吞吐量高出 135%。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 FP8 上运行 DeepSeek R1，目标交互性设为 82 tok/s/user：启用 MTP 时，吞吐量为 643 tok/s/chip，每百万 token 成本为 $0.65；关闭投机解码时，吞吐量为 212 tok/s/chip，每百万 token 成本为 $1.96。MTP 的成本效率高出 203%；MTP 的单芯片吞吐量高出 203%。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。
113 tok/s/user 接近 22–142 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 317 tok/s/chip，每百万 token 成本为 $1.31；关闭投机解码时，吞吐量为 80 tok/s/chip，每百万 token 成本为 $5.21。MTP 的成本效率高出 297%；MTP 的单芯片吞吐量高出 297%。投机解码的收益因工作负载而异；输出较短的 prompt 通常收益较小。 （以上数据基于此 URL 固定的 1k/1k · fp8 工作负载；切换序列长度或模型后，表格和图表会同步更新。表格始终使用本页指定的精度，控件中的精度选项只影响图表。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | 启用 MTP:1128.6关闭投机解码:479.3 | 启用 MTP:643.0关闭投机解码:212.1 | 启用 MTP:317.4关闭投机解码:80.0 |
| 成本（$/M tok） | 启用 MTP:$0.369关闭投机解码:$0.869 | 启用 MTP:$0.648关闭投机解码:$1.964 | 启用 MTP:$1.313关闭投机解码:$5.209 |
| tok/s/MW | 启用 MTP:540021关闭投机解码:229350 | 启用 MTP:307677关闭投机解码:101496 | 启用 MTP:151854关闭投机解码:38273 |
| 并发数 | 启用 MTP:~315关闭投机解码:~82 | 启用 MTP:~31关闭投机解码:~16 | 启用 MTP:~11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。