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。
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。MTP 的成本效率高出 94%；MTP 的单芯片吞吐量高出 94%。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。MTP 的成本效率高出 138%；MTP 的单芯片吞吐量高出 138%。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 $4.07。MTP 的成本效率高出 273%；MTP 的单芯片吞吐量高出 273%。投机解码会增加 draft token 的计算量，以减少解码步数；收益取决于序列长度和批大小。 （以上数据基于此 URL 固定的 1k/1k · fp8 工作负载；切换序列长度或模型后，表格和图表会同步更新。表格始终使用本页指定的精度，控件中的精度选项只影响图表。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | 启用 MTP:944.3关闭投机解码:486.1 | 启用 MTP:710.7关闭投机解码:298.4 | 启用 MTP:575.9关闭投机解码:154.3 |
| 成本（$/M tok） | 启用 MTP:$0.665关闭投机解码:$1.291 | 启用 MTP:$0.883关闭投机解码:$2.104 | 启用 MTP:$1.090关闭投机解码:$4.068 |
| tok/s/MW | 启用 MTP:496979关闭投机解码:255850 | 启用 MTP:374034关闭投机解码:157060 | 启用 MTP:303114关闭投机解码:81231 |
| 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 |
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。