DeepSeek V4 Pro 0813 1.6T · 投机解码

H200 FP8:启用 MTP 与关闭投机解码的对比

在 H200 FP8(NVIDIA Hopper)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。

29 tok/s/user 接近 9–91 tok/s/user 交互性区间的下限。在这一运行点,启用 MTP 时,吞吐量为 270 tok/s/chip,每百万 token 成本为 $1.25;关闭投机解码时,吞吐量为 280 tok/s/chip,每百万 token 成本为 $1.21。在同一芯片上,关闭投机解码 的单芯片吞吐量高出 3%,因此每 token 成本低 3%。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 H200 FP8 上运行 DeepSeek V4 Pro 0813 1.6T,目标交互性设为 50 tok/s/user:启用 MTP 时,吞吐量为 214 tok/s/chip,每百万 token 成本为 $1.58;关闭投机解码时,吞吐量为 130 tok/s/chip,每百万 token 成本为 $2.62。在同一芯片上,MTP 的单芯片吞吐量高出 65%,因此每 token 成本低 39%。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 H200 FP8 上的目标交互性设为 70 tok/s/user:启用 MTP 时,吞吐量为 133 tok/s/chip,每百万 token 成本为 $2.54;关闭投机解码时,吞吐量为 68 tok/s/chip,每百万 token 成本为 $4.96。在同一芯片上,MTP 的单芯片吞吐量高出 95%,因此每 token 成本低 49%。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。 (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。)

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 MTP270关闭投机解码280
启用 MTP214关闭投机解码130
启用 MTP133关闭投机解码68
成本($/M tok)
启用 MTP$1.25关闭投机解码$1.21
启用 MTP$1.58关闭投机解码$2.62
启用 MTP$2.54关闭投机解码$4.96
tok/s/MW
启用 MTP197,442关闭投机解码204,296
启用 MTP156,265关闭投机解码94,565
启用 MTP97,430关闭投机解码49,896
并发数
启用 MTP~44关闭投机解码~35
启用 MTP~19关闭投机解码~11
启用 MTP~8关闭投机解码~4
DeepSeek V4 Pro 0813 1.6T:H200 FP8 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
H200 FP8 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 ↗