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 8846 tok/s/chip，每百万 token 成本为 $0.05；关闭投机解码时，吞吐量为 8368 tok/s/chip，每百万 token 成本为 $0.06。M3 EAGLE 的成本效率高出 6%；M3 EAGLE 的单芯片吞吐量高出 6%。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 5814 tok/s/chip，每百万 token 成本为 $0.08；关闭投机解码时，吞吐量为 4517 tok/s/chip，每百万 token 成本为 $0.11。M3 EAGLE 的成本效率高出 29%；M3 EAGLE 的单芯片吞吐量高出 29%。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 5229 tok/s/chip，每百万 token 成本为 $0.09；关闭投机解码时，吞吐量为 1138 tok/s/chip，每百万 token 成本为 $0.42。M3 EAGLE 的成本效率高出 360%；M3 EAGLE 的单芯片吞吐量高出 360%。投机解码的收益因工作负载而异；输出较短的 prompt 通常收益较小。 （以上数据基于此 URL 固定的 8k/1k · fp4 工作负载；切换序列长度或模型后，表格和图表会同步更新。表格始终使用本页指定的精度，控件中的精度选项只影响图表。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | 启用 M3 EAGLE:8845.7关闭投机解码:8367.9 | 启用 M3 EAGLE:5813.8关闭投机解码:4517.0 | 启用 M3 EAGLE:5229.1关闭投机解码:1137.8 |
| 成本（$/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:$0.106 | 启用 M3 EAGLE:$0.092关闭投机解码:$0.422 |
| tok/s/MW | 启用 M3 EAGLE:5172906关闭投机解码:4893496 | 启用 M3 EAGLE:3399910关闭投机解码:2641510 | 启用 M3 EAGLE:3057957关闭投机解码:665389 |
| 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 |
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。