GLM 5/5.1 · 投机解码
MI355X FP8:启用 MTP 与关闭投机解码的对比
在 MI355X FP8(AMD CDNA 4)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 MI355X 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 726 tok/s/chip,每百万 token 成本为 $0.57;关闭投机解码时,吞吐量为 193 tok/s/chip,每百万 token 成本为 $2.15。在同一芯片上,MTP 的单芯片吞吐量为对方的 3.8 倍,因此每 token 成本低 73%。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 MI355X FP8 上的目标交互性设为 47 tok/s/user:启用 MTP 时,吞吐量为 595 tok/s/chip,每百万 token 成本为 $0.70;关闭投机解码时,吞吐量为 169 tok/s/chip,每百万 token 成本为 $2.46。在同一芯片上,MTP 的单芯片吞吐量为对方的 3.5 倍,因此每 token 成本低 72%。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 MI355X FP8 上运行 GLM 5/5.1,目标交互性设为 52 tok/s/user:启用 MTP 时,吞吐量为 467 tok/s/chip,每百万 token 成本为 $0.89;关闭投机解码时,吞吐量为 90 tok/s/chip,每百万 token 成本为 $4.65。在同一芯片上,MTP 的单芯片吞吐量为对方的 5.2 倍,因此每 token 成本低 81%。投机解码会增加 draft token 的计算量,以减少解码步数;收益取决于序列长度和批大小。 (以上数据基于此 URL 固定的 1k/1k · fp8 工作负载;切换序列长度或模型后,表格和图表会同步更新。表格始终使用本页指定的精度,控件中的精度选项只影响图表。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | 启用 MTP726关闭投机解码193 | 启用 MTP595关闭投机解码169 | 启用 MTP467关闭投机解码90 |
| 成本($/M tok) | 启用 MTP$0.57关闭投机解码$2.15 | 启用 MTP$0.70关闭投机解码$2.46 | 启用 MTP$0.89关闭投机解码$4.65 |
| tok/s/MW | 启用 MTP347,245关闭投机解码92,570 | 启用 MTP284,615关闭投机解码81,053 | 启用 MTP223,584关闭投机解码42,900 |
| 并发数 | 启用 MTP~47关闭投机解码~16 | 启用 MTP~25关闭投机解码~6 | 启用 MTP~18关闭投机解码~4 |
