MI325X FP8：启用 MTP 与关闭投机解码的对比
在 MI325X FP8（AMD CDNA 3）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。
GLM 5/5.1 在 MI325X FP8 上的目标交互性设为 21 tok/s/user：启用 MTP 时，吞吐量为 186 tok/s/chip，每百万 token 成本为 $1.64；关闭投机解码时，吞吐量为 185 tok/s/chip，每百万 token 成本为 $1.65。每 token 成本基本持平；单芯片吞吐量基本持平。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 MI325X FP8 上运行 GLM 5/5.1，目标交互性设为 26 tok/s/user：启用 MTP 时，吞吐量为 100 tok/s/chip，每百万 token 成本为 $3.07；关闭投机解码时，吞吐量为 100 tok/s/chip，每百万 token 成本为 $3.06。每 token 成本基本持平；单芯片吞吐量基本持平。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。
30 tok/s/user 接近 17–34 tok/s/user 交互性区间的上限。在这一运行点，启用 MTP 时，吞吐量为 62 tok/s/chip，每百万 token 成本为 $4.95；关闭投机解码时，吞吐量为 62 tok/s/chip，每百万 token 成本为 $4.93。每 token 成本基本持平；单芯片吞吐量基本持平。投机解码的收益因工作负载而异；输出较短的 prompt 通常收益较小。 （以上数据基于此 URL 固定的 1k/1k · fp8 工作负载；切换序列长度或模型后，表格和图表会同步更新。表格始终使用本页指定的精度，控件中的精度选项只影响图表。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | 启用 MTP:186.0关闭投机解码:185.3 | 启用 MTP:99.5关闭投机解码:99.9 | 启用 MTP:61.7关闭投机解码:62.0 |
| 成本（$/M tok） | 启用 MTP:$1.643关闭投机解码:$1.649 | 启用 MTP:$3.071关闭投机解码:$3.060 | 启用 MTP:$4.952关闭投机解码:$4.930 |
| tok/s/MW | 启用 MTP:110051关闭投机解码:109670 | 启用 MTP:58882关闭投机解码:59083 | 启用 MTP:36512关闭投机解码:36677 |
| 并发数 | 启用 MTP:~39关闭投机解码:~38 | 启用 MTP:~16关闭投机解码:~16 | 启用 MTP:~9关闭投机解码:~9 |
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。