GLM 5/5.1 · 投机解码

B300 FP8:启用 MTP 与关闭投机解码的对比

在 B300 FP8(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。

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 B300 FP8 上运行 GLM 5/5.1,目标交互性设为 35 tok/s/user:启用 MTP 时,吞吐量为 944 tok/s/chip,每百万 token 成本为 $0.66;关闭投机解码时,吞吐量为 486 tok/s/chip,每百万 token 成本为 $1.29。在同一芯片上,MTP 的单芯片吞吐量高出 94%,因此每 token 成本低 49%。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 FP8 上的目标交互性设为 48 tok/s/user:启用 MTP 时,吞吐量为 711 tok/s/chip,每百万 token 成本为 $0.88;关闭投机解码时,吞吐量为 298 tok/s/chip,每百万 token 成本为 $2.10。在同一芯片上,MTP 的单芯片吞吐量高出 138%,因此每 token 成本低 58%。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 FP8 上运行 GLM 5/5.1,目标交互性设为 61 tok/s/user:启用 MTP 时,吞吐量为 576 tok/s/chip,每百万 token 成本为 $1.09;关闭投机解码时,吞吐量为 154 tok/s/chip,每百万 token 成本为 $4.07。在同一芯片上,MTP 的单芯片吞吐量为对方的 3.7 倍,因此每 token 成本低 73%。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 · 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 MTP944关闭投机解码486
启用 MTP711关闭投机解码298
启用 MTP576关闭投机解码154
成本($/M tok)
启用 MTP$0.66关闭投机解码$1.29
启用 MTP$0.88关闭投机解码$2.10
启用 MTP$1.09关闭投机解码$4.07
tok/s/MW
启用 MTP496,979关闭投机解码255,850
启用 MTP374,034关闭投机解码157,060
启用 MTP303,114关闭投机解码81,231
并发数
启用 MTP~109关闭投机解码~57
启用 MTP~61关闭投机解码~25
启用 MTP~39关闭投机解码~10
GLM 5/5.1:B300 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
B300 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 ↗