GLM 5/5.1 · 投机解码
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 $4.93。每 token 成本基本持平;单芯片吞吐量基本持平。投机解码的收益因工作负载而异;输出较短的 prompt 通常收益较小。 (以上数据基于此 URL 固定的 1k/1k · fp8 工作负载;切换序列长度或模型后,表格和图表会同步更新。表格始终使用本页指定的精度,控件中的精度选项只影响图表。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | 启用 MTP186关闭投机解码185 | 启用 MTP100关闭投机解码100 | 启用 MTP62关闭投机解码62 |
| 成本($/M tok) | 启用 MTP$1.64关闭投机解码$1.65 | 启用 MTP$3.07关闭投机解码$3.06 | 启用 MTP$4.95关闭投机解码$4.93 |
| tok/s/MW | 启用 MTP110,051关闭投机解码109,670 | 启用 MTP58,882关闭投机解码59,083 | 启用 MTP36,512关闭投机解码36,677 |
| 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 |
