MiniMax M3 428B · 投机解码
B200 FP4:启用 M3 EAGLE 与关闭投机解码的对比
在 B200 FP4(NVIDIA Blackwell)上运行 MiniMax M3 428B 时,对比启用 M3 EAGLE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。
MiniMax M3 428B 在 B200 FP4 上的目标交互性设为 71 tok/s/user:启用 M3 EAGLE 时,吞吐量为 8,846 tok/s/chip,每百万 token 成本为 $0.054;关闭投机解码时,吞吐量为 8,368 tok/s/chip,每百万 token 成本为 $0.057。在同一芯片上,M3 EAGLE 的单芯片吞吐量高出 6%,因此每 token 成本低 5%。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 B200 FP4 上运行 MiniMax M3 428B,目标交互性设为 121 tok/s/user:启用 M3 EAGLE 时,吞吐量为 5,814 tok/s/chip,每百万 token 成本为 $0.083;关闭投机解码时,吞吐量为 4,517 tok/s/chip,每百万 token 成本为 $0.11。在同一芯片上,M3 EAGLE 的单芯片吞吐量高出 29%,因此每 token 成本低 22%。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。
171 tok/s/user 接近 22–220 tok/s/user 交互性区间的上限。在这一运行点,启用 M3 EAGLE 时,吞吐量为 5,229 tok/s/chip,每百万 token 成本为 $0.092;关闭投机解码时,吞吐量为 1,138 tok/s/chip,每百万 token 成本为 $0.42。在同一芯片上,M3 EAGLE 的单芯片吞吐量为对方的 4.6 倍,因此每 token 成本低 78%。投机解码的收益因工作负载而异;输出较短的 prompt 通常收益较小。 (以上数据基于此 URL 固定的 8k/1k · fp4 工作负载;切换序列长度或模型后,表格和图表会同步更新。表格始终使用本页指定的精度,控件中的精度选项只影响图表。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | 启用 M3 EAGLE8,846关闭投机解码8,368 | 启用 M3 EAGLE5,814关闭投机解码4,517 | 启用 M3 EAGLE5,229关闭投机解码1,138 |
| 成本($/M tok) | 启用 M3 EAGLE$0.054关闭投机解码$0.057 | 启用 M3 EAGLE$0.083关闭投机解码$0.11 | 启用 M3 EAGLE$0.092关闭投机解码$0.42 |
| tok/s/MW | 启用 M3 EAGLE5,172,906关闭投机解码4,893,496 | 启用 M3 EAGLE3,399,910关闭投机解码2,641,510 | 启用 M3 EAGLE3,057,957关闭投机解码665,389 |
| 并发数 | 启用 M3 EAGLE~33关闭投机解码~232 | 启用 M3 EAGLE~20关闭投机解码~64 | 启用 M3 EAGLE~70关闭投机解码~3 |
