GLM 5/5.1 · 投机解码
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 2,310 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。在同一芯片上,MTP 的单芯片吞吐量高出 135%,因此每 token 成本低 57%。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 1,606 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。在同一芯片上,MTP 的单芯片吞吐量为对方的 3.1 倍,因此每 token 成本低 68%。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 1,128 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 $2.43。在同一芯片上,MTP 的单芯片吞吐量为对方的 4.4 倍,因此每 token 成本低 77%。投机解码会增加 draft token 的计算量,以减少解码步数;收益取决于序列长度和批大小。 (以上数据基于此 URL 固定的 1k/1k · fp4 工作负载;切换序列长度或模型后,表格和图表会同步更新。表格始终使用本页指定的精度,控件中的精度选项只影响图表。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | 启用 MTP2,310关闭投机解码984 | 启用 MTP1,606关闭投机解码519 | 启用 MTP1,128关闭投机解码259 |
| 成本($/M tok) | 启用 MTP$0.27关闭投机解码$0.64 | 启用 MTP$0.39关闭投机解码$1.21 | 启用 MTP$0.56关闭投机解码$2.43 |
| tok/s/MW | 启用 MTP1,216,013关闭投机解码517,845 | 启用 MTP845,018关闭投机解码273,018 | 启用 MTP593,870关闭投机解码136,228 |
| 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 |
