MI300X FP8：启用 MTP 与关闭投机解码的对比
在 MI300X FP8（AMD CDNA 3）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 MI300X FP8 上运行 DeepSeekv4 Pro 0813 1.6T，目标交互性设为 9 tok/s/user：启用 MTP 时，吞吐量为 370 tok/s/chip，每百万 token 成本为 $0.71；关闭投机解码时，吞吐量为 243 tok/s/chip，每百万 token 成本为 $1.09。MTP 的成本效率高出 52%；MTP 的单芯片吞吐量高出 52%。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。
13 tok/s/user 位于 5–20 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 263 tok/s/chip，每百万 token 成本为 $1.01；关闭投机解码时，吞吐量为 135 tok/s/chip，每百万 token 成本为 $1.96。MTP 的成本效率高出 95%；MTP 的单芯片吞吐量高出 95%。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 MI300X FP8 上运行 DeepSeekv4 Pro 0813 1.6T，目标交互性设为 17 tok/s/user：启用 MTP 时，吞吐量为 163 tok/s/chip，每百万 token 成本为 $1.62；关闭投机解码时，吞吐量为 67 tok/s/chip，每百万 token 成本为 $3.94。MTP 的成本效率高出 143%；MTP 的单芯片吞吐量高出 143%。投机解码通过接受 draft token 降低每 token 延迟；收益因工作负载和 prompt 分布而异。 （以上数据基于此 URL 固定的 1k/1k · fp8 工作负载；切换序列长度或模型后，表格和图表会同步更新。表格始终使用本页指定的精度，控件中的精度选项只影响图表。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | 启用 MTP:370.4关闭投机解码:243.1 | 启用 MTP:262.5关闭投机解码:134.6 | 启用 MTP:162.9关闭投机解码:67.0 |
| 成本（$/M tok） | 启用 MTP:$0.713关闭投机解码:$1.085 | 启用 MTP:$1.005关闭投机解码:$1.961 | 启用 MTP:$1.620关闭投机解码:$3.936 |
| tok/s/MW | 启用 MTP:266449关闭投机解码:174897 | 启用 MTP:188861关闭投机解码:96819 | 启用 MTP:117202关闭投机解码:48233 |
| 并发数 | 启用 MTP:~170关闭投机解码:~109 | 启用 MTP:~84关闭投机解码:~42 | 启用 MTP:~39关闭投机解码:~16 |
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。