GB300 NVL72 FP8：启用 MTP 与关闭投机解码的对比
在 GB300 NVL72 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 GB300 NVL72 FP8 上运行 GLM 5/5.1，目标交互性设为 42 tok/s/user：启用 MTP 时，吞吐量为 6418 tok/s/chip，每百万 token 成本为 $0.10；关闭投机解码时，吞吐量为 3237 tok/s/chip，每百万 token 成本为 $0.20。MTP 的成本效率高出 98%；MTP 的单芯片吞吐量高出 98%。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。
50 tok/s/user 位于 35–65 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 5729 tok/s/chip，每百万 token 成本为 $0.11；关闭投机解码时，吞吐量为 510 tok/s/chip，每百万 token 成本为 $1.26。MTP 的成本效率高出 1024%；MTP 的单芯片吞吐量高出 1024%。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 GB300 NVL72 FP8 上运行 GLM 5/5.1，目标交互性设为 57 tok/s/user：启用 MTP 时，吞吐量为 3576 tok/s/chip，每百万 token 成本为 $0.18；关闭投机解码时，吞吐量为 233 tok/s/chip，每百万 token 成本为 $2.75。MTP 的成本效率高出 1434%；MTP 的单芯片吞吐量高出 1434%。投机解码通过接受 draft token 降低每 token 延迟；收益因工作负载和 prompt 分布而异。 （以上数据基于此 URL 固定的 8k/1k · fp8 工作负载；切换序列长度或模型后，表格和图表会同步更新。表格始终使用本页指定的精度，控件中的精度选项只影响图表。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | 启用 MTP:6417.9关闭投机解码:3237.2 | 启用 MTP:5729.4关闭投机解码:509.9 | 启用 MTP:3576.0关闭投机解码:233.1 |
| 成本（$/M tok） | 启用 MTP:$0.100关闭投机解码:$0.198 | 启用 MTP:$0.112关闭投机解码:$1.258 | 启用 MTP:$0.179关闭投机解码:$2.753 |
| tok/s/MW | 启用 MTP:3027312关闭投机解码:1527004 | 启用 MTP:2702536关闭投机解码:240530 | 启用 MTP:1686798关闭投机解码:109954 |
| 并发数 | 启用 MTP:~2312关闭投机解码:~799 | 启用 MTP:~1721关闭投机解码:~132 | 启用 MTP:~867关闭投机解码:~36 |
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。