H200 FP8：启用 M3 EAGLE 与关闭投机解码的对比
在 H200 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。
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。
41 tok/s/user 接近 5–147 tok/s/user 交互性区间的下限。在这一运行点，启用 M3 EAGLE 时，吞吐量为 1263 tok/s/chip，每百万 token 成本为 $0.27；关闭投机解码时，吞吐量为 715 tok/s/chip，每百万 token 成本为 $0.47。M3 EAGLE 的成本效率高出 77%；M3 EAGLE 的单芯片吞吐量高出 77%。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。
在 H200 FP8 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 699 tok/s/chip，每百万 token 成本为 $0.48；关闭投机解码时，吞吐量为 331 tok/s/chip，每百万 token 成本为 $1.02。M3 EAGLE 的成本效率高出 111%；M3 EAGLE 的单芯片吞吐量高出 111%。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 H200 FP8 上的目标交互性设为 112 tok/s/user：启用 M3 EAGLE 时，吞吐量为 461 tok/s/chip，每百万 token 成本为 $0.73；关闭投机解码时，吞吐量为 164 tok/s/chip，每百万 token 成本为 $2.06。M3 EAGLE 的成本效率高出 181%；M3 EAGLE 的单芯片吞吐量高出 181%。draft token 接受率决定了在给定并发数下，投机解码是提升性能还是拖累性能。 （以上数据基于此 URL 固定的 1k/1k · fp8 工作负载；切换序列长度或模型后，表格和图表会同步更新。表格始终使用本页指定的精度，控件中的精度选项只影响图表。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | 启用 M3 EAGLE:1262.7关闭投机解码:715.0 | 启用 M3 EAGLE:699.4关闭投机解码:331.3 | 启用 M3 EAGLE:461.2关闭投机解码:164.1 |
| 成本（$/M tok） | 启用 M3 EAGLE:$0.268关闭投机解码:$0.474 | 启用 M3 EAGLE:$0.485关闭投机解码:$1.023 | 启用 M3 EAGLE:$0.735关闭投机解码:$2.065 |
| tok/s/MW | 启用 M3 EAGLE:921682关闭投机解码:521929 | 启用 M3 EAGLE:510541关闭投机解码:241837 | 启用 M3 EAGLE:336675关闭投机解码:119808 |
| 并发数 | 启用 M3 EAGLE:~69关闭投机解码:~36 | 启用 M3 EAGLE:~20关闭投机解码:~9 | 启用 M3 EAGLE:~9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。