DeepSeek V4 Pro 0813 1.6T · 投机解码
B200 FP4:启用 MTP 与关闭投机解码的对比
在 B200 FP4(NVIDIA Blackwell)上运行 DeepSeek V4 Pro 0813 1.6T 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 V4 Pro 0813 1.6T 在 B200 FP4 上的目标交互性设为 33 tok/s/user:启用 MTP 时,吞吐量为 7,983 tok/s/chip,每百万 token 成本为 $0.060;关闭投机解码时,吞吐量为 7,345 tok/s/chip,每百万 token 成本为 $0.065。在同一芯片上,MTP 的单芯片吞吐量高出 9%,因此每 token 成本低 8%。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 B200 FP4 上运行 DeepSeek V4 Pro 0813 1.6T,目标交互性设为 57 tok/s/user:启用 MTP 时,吞吐量为 7,698 tok/s/chip,每百万 token 成本为 $0.062;关闭投机解码时,吞吐量为 1,640 tok/s/chip,每百万 token 成本为 $0.29。在同一芯片上,MTP 的单芯片吞吐量为对方的 4.7 倍,因此每 token 成本低 79%。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。
80 tok/s/user 接近 10–103 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 4,008 tok/s/chip,每百万 token 成本为 $0.12;关闭投机解码时,吞吐量为 965 tok/s/chip,每百万 token 成本为 $0.50。在同一芯片上,MTP 的单芯片吞吐量为对方的 4.2 倍,因此每 token 成本低 76%。投机解码的收益因工作负载而异;输出较短的 prompt 通常收益较小。 (以上数据基于此 URL 固定的 8k/1k · fp4 工作负载;切换序列长度或模型后,表格和图表会同步更新。表格始终使用本页指定的精度,控件中的精度选项只影响图表。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | 启用 MTP7,983关闭投机解码7,345 | 启用 MTP7,698关闭投机解码1,640 | 启用 MTP4,008关闭投机解码965 |
| 成本($/M tok) | 启用 MTP$0.060关闭投机解码$0.065 | 启用 MTP$0.062关闭投机解码$0.29 | 启用 MTP$0.12关闭投机解码$0.50 |
| tok/s/MW | 启用 MTP4,668,477关闭投机解码4,295,314 | 启用 MTP4,501,550关闭投机解码958,773 | 启用 MTP2,343,617关闭投机解码564,176 |
| 并发数 | 启用 MTP~6,144关闭投机解码~1,299 | 启用 MTP~4,202关闭投机解码~57 | 启用 MTP~256关闭投机解码~60 |
