DeepSeek V4 Pro 0813 1.6T · 投机解码

GB300 NVL72 FP4:启用 MTP 与关闭投机解码的对比

在 GB300 NVL72 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。

MTP 接受率不宜跨引擎直接比较

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 GB300 NVL72 FP4 上运行 DeepSeek V4 Pro 0813 1.6T,目标交互性设为 41 tok/s/user:启用 MTP 时,吞吐量为 11,812 tok/s/chip,每百万 token 成本为 $0.054;关闭投机解码时,吞吐量为 8,636 tok/s/chip,每百万 token 成本为 $0.074。在同一芯片上,MTP 的单芯片吞吐量高出 37%,因此每 token 成本低 27%。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 V4 Pro 0813 1.6T 在 GB300 NVL72 FP4 上的目标交互性设为 60 tok/s/user:启用 MTP 时,吞吐量为 9,971 tok/s/chip,每百万 token 成本为 $0.064;关闭投机解码时,吞吐量为 1,293 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 7.7 倍,因此每 token 成本低 87%。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 GB300 NVL72 FP4 上运行 DeepSeek V4 Pro 0813 1.6T,目标交互性设为 79 tok/s/user:启用 MTP 时,吞吐量为 8,434 tok/s/chip,每百万 token 成本为 $0.076;关闭投机解码时,吞吐量为 561 tok/s/chip,每百万 token 成本为 $1.14。在同一芯片上,MTP 的单芯片吞吐量为对方的 15 倍,因此每 token 成本低 93%。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 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 MTP11,812关闭投机解码8,636
启用 MTP9,971关闭投机解码1,293
启用 MTP8,434关闭投机解码561
成本($/M tok)
启用 MTP$0.054关闭投机解码$0.074
启用 MTP$0.064关闭投机解码$0.50
启用 MTP$0.076关闭投机解码$1.14
tok/s/MW
启用 MTP5,571,916关闭投机解码4,073,810
启用 MTP4,703,278关闭投机解码610,044
启用 MTP3,978,393关闭投机解码264,682
并发数
启用 MTP~5,450关闭投机解码~2,390
启用 MTP~1,056关闭投机解码~112
启用 MTP~1,132关闭投机解码~25
DeepSeek V4 Pro 0813 1.6T:GB300 NVL72 FP4 上两种配置(启用 MTP、关闭投机解码)在相同交互性水平下的对比
GB300 NVL72 FP4 上两种配置(启用 MTP、关闭投机解码)的对比(默认工作负载)
查看大图 ↗