B300 FP4：启用 MTP 与关闭投机解码的对比
在 B300 FP4（NVIDIA Blackwell）上运行 DeepSeekv4 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。
在 B300 FP4 上运行 DeepSeekv4 Pro 0813 1.6T，目标交互性设为 36 tok/s/user：启用 MTP 时，吞吐量为 5480 tok/s/chip，每百万 token 成本为 $0.11；关闭投机解码时，吞吐量为 1127 tok/s/chip，每百万 token 成本为 $0.56。MTP 的成本效率高出 386%；MTP 的单芯片吞吐量高出 386%。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。
59 tok/s/user 位于 13–105 tok/s/user 交互性区间的中段。在这一运行点，启用 MTP 时，吞吐量为 838 tok/s/chip，每百万 token 成本为 $0.75；关闭投机解码时，吞吐量为 520 tok/s/chip，每百万 token 成本为 $1.21。MTP 的成本效率高出 61%；MTP 的单芯片吞吐量高出 61%。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。
在 B300 FP4 上运行 DeepSeekv4 Pro 0813 1.6T，目标交互性设为 82 tok/s/user：启用 MTP 时，吞吐量为 558 tok/s/chip，每百万 token 成本为 $1.13；关闭投机解码时，吞吐量为 154 tok/s/chip，每百万 token 成本为 $4.07。MTP 的成本效率高出 262%；MTP 的单芯片吞吐量高出 262%。投机解码通过接受 draft token 降低每 token 延迟；收益因工作负载和 prompt 分布而异。 （以上数据基于此 URL 固定的 1k/1k · fp4 工作负载；切换序列长度或模型后，表格和图表会同步更新。表格始终使用本页指定的精度，控件中的精度选项只影响图表。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | 启用 MTP:5480.2关闭投机解码:1127.0 | 启用 MTP:838.5关闭投机解码:520.1 | 启用 MTP:557.9关闭投机解码:154.1 |
| 成本（$/M tok） | 启用 MTP:$0.115关闭投机解码:$0.557 | 启用 MTP:$0.749关闭投机解码:$1.207 | 启用 MTP:$1.125关闭投机解码:$4.073 |
| tok/s/MW | 启用 MTP:2884337关闭投机解码:593148 | 启用 MTP:441311关闭投机解码:273741 | 启用 MTP:293607关闭投机解码:81113 |
| 并发数 | 启用 MTP:~907关闭投机解码:~65 | 启用 MTP:~29关闭投机解码:~18 | 启用 MTP:~14关闭投机解码:~4 |
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。