MiniMax M3 428B · 投机解码

B300 FP4:启用 M3 EAGLE 与关闭投机解码的对比

在 B300 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。

MTP 接受率不宜跨引擎直接比较

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 B300 FP4 上运行 MiniMax M3 428B,目标交互性设为 76 tok/s/user:启用 M3 EAGLE 时,吞吐量为 13,413 tok/s/chip,每百万 token 成本为 $0.047;关闭投机解码时,吞吐量为 6,020 tok/s/chip,每百万 token 成本为 $0.10。在同一芯片上,M3 EAGLE 的单芯片吞吐量高出 123%,因此每 token 成本低 55%。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。

MiniMax M3 428B 在 B300 FP4 上的目标交互性设为 131 tok/s/user:启用 M3 EAGLE 时,吞吐量为 5,595 tok/s/chip,每百万 token 成本为 $0.11;关闭投机解码时,吞吐量为 2,498 tok/s/chip,每百万 token 成本为 $0.25。在同一芯片上,M3 EAGLE 的单芯片吞吐量高出 124%,因此每 token 成本低 55%。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 B300 FP4 上运行 MiniMax M3 428B,目标交互性设为 187 tok/s/user:启用 M3 EAGLE 时,吞吐量为 4,034 tok/s/chip,每百万 token 成本为 $0.16;关闭投机解码时,吞吐量为 1,181 tok/s/chip,每百万 token 成本为 $0.53。在同一芯片上,M3 EAGLE 的单芯片吞吐量为对方的 3.4 倍,因此每 token 成本低 71%。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 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 EAGLE13,413关闭投机解码6,020
启用 M3 EAGLE5,595关闭投机解码2,498
启用 M3 EAGLE4,034关闭投机解码1,181
成本($/M tok)
启用 M3 EAGLE$0.047关闭投机解码$0.10
启用 M3 EAGLE$0.11关闭投机解码$0.25
启用 M3 EAGLE$0.16关闭投机解码$0.53
tok/s/MW
启用 M3 EAGLE7,059,567关闭投机解码3,168,275
启用 M3 EAGLE2,944,956关闭投机解码1,314,825
启用 M3 EAGLE2,123,312关闭投机解码621,805
并发数
启用 M3 EAGLE~454关闭投机解码~421
启用 M3 EAGLE~10关闭投机解码~7
启用 M3 EAGLE~8关闭投机解码~8
MiniMax M3 428B:B300 FP4 上两种配置(启用 M3 EAGLE、关闭投机解码)在相同交互性水平下的对比
B300 FP4 上两种配置(启用 M3 EAGLE、关闭投机解码)的对比(默认工作负载)
查看大图 ↗