B300 FP4：启用 MTP 与关闭投机解码的对比
在 B300 FP4（NVIDIA Blackwell）上运行 GLM 5/5.1 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 GLM 5/5.1，目标交互性设为 43 tok/s/user：启用 MTP 时，吞吐量为 2310 tok/s/chip，每百万 token 成本为 $0.27；关闭投机解码时，吞吐量为 984 tok/s/chip，每百万 token 成本为 $0.64。MTP 的成本效率高出 135%；MTP 的单芯片吞吐量高出 135%。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。
GLM 5/5.1 在 B300 FP4 上的目标交互性设为 59 tok/s/user：启用 MTP 时，吞吐量为 1606 tok/s/chip，每百万 token 成本为 $0.39；关闭投机解码时，吞吐量为 519 tok/s/chip，每百万 token 成本为 $1.21。MTP 的成本效率高出 210%；MTP 的单芯片吞吐量高出 210%。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 B300 FP4 上运行 GLM 5/5.1，目标交互性设为 76 tok/s/user：启用 MTP 时，吞吐量为 1128 tok/s/chip，每百万 token 成本为 $0.56；关闭投机解码时，吞吐量为 259 tok/s/chip，每百万 token 成本为 $2.43。MTP 的成本效率高出 336%；MTP 的单芯片吞吐量高出 336%。投机解码会增加 draft token 的计算量，以减少解码步数；收益取决于序列长度和批大小。 （以上数据基于此 URL 固定的 1k/1k · fp4 工作负载；切换序列长度或模型后，表格和图表会同步更新。表格始终使用本页指定的精度，控件中的精度选项只影响图表。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | 启用 MTP:2310.4关闭投机解码:983.9 | 启用 MTP:1605.5关闭投机解码:518.7 | 启用 MTP:1128.4关闭投机解码:258.8 |
| 成本（$/M tok） | 启用 MTP:$0.272关闭投机解码:$0.638 | 启用 MTP:$0.391关闭投机解码:$1.210 | 启用 MTP:$0.556关闭投机解码:$2.425 |
| tok/s/MW | 启用 MTP:1216013关闭投机解码:517845 | 启用 MTP:845018关闭投机解码:273018 | 启用 MTP:593870关闭投机解码:136228 |
| 并发数 | 启用 MTP:~129关闭投机解码:~47 | 启用 MTP:~55关闭投机解码:~18 | 启用 MTP:~31关闭投机解码:~7 |
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。