MiniMax M3 428B · 投机解码

H100 FP8:启用 M3 EAGLE 与关闭投机解码的对比

在 H100 FP8(NVIDIA Hopper)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 H100 FP8 上运行 MiniMax M3 428B,目标交互性设为 60 tok/s/user:启用 M3 EAGLE 时,吞吐量为 737 tok/s/chip,每百万 token 成本为 $0.44;关闭投机解码时,吞吐量为 278 tok/s/chip,每百万 token 成本为 $1.17。在同一芯片上,M3 EAGLE 的单芯片吞吐量高出 166%,因此每 token 成本低 62%。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 H100 FP8 上的目标交互性设为 88 tok/s/user:启用 M3 EAGLE 时,吞吐量为 428 tok/s/chip,每百万 token 成本为 $0.76;关闭投机解码时,吞吐量为 171 tok/s/chip,每百万 token 成本为 $1.90。在同一芯片上,M3 EAGLE 的单芯片吞吐量高出 150%,因此每 token 成本低 60%。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 H100 FP8 上运行 MiniMax M3 428B,目标交互性设为 116 tok/s/user:启用 M3 EAGLE 时,吞吐量为 285 tok/s/chip,每百万 token 成本为 $1.14;关闭投机解码时,吞吐量为 98 tok/s/chip,每百万 token 成本为 $3.32。在同一芯片上,M3 EAGLE 的单芯片吞吐量高出 191%,因此每 token 成本低 66%。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 M3 EAGLE737关闭投机解码278
启用 M3 EAGLE428关闭投机解码171
启用 M3 EAGLE285关闭投机解码98
成本($/M tok)
启用 M3 EAGLE$0.44关闭投机解码$1.17
启用 M3 EAGLE$0.76关闭投机解码$1.90
启用 M3 EAGLE$1.14关闭投机解码$3.32
tok/s/MW
启用 M3 EAGLE538,249关闭投机解码202,672
启用 M3 EAGLE312,630关闭投机解码124,822
启用 M3 EAGLE207,851关闭投机解码71,450
并发数
启用 M3 EAGLE~53关闭投机解码~19
启用 M3 EAGLE~21关闭投机解码~8
启用 M3 EAGLE~11关闭投机解码~3
MiniMax M3 428B:H100 FP8 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
H100 FP8 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 ↗