MiniMax M3 428B · 投机解码

MI325X FP8:启用 M3 EAGLE 与关闭投机解码的对比

在 MI325X FP8(AMD CDNA 3)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。

MiniMax M3 428B 在 MI325X FP8 上的目标交互性设为 33 tok/s/user:启用 M3 EAGLE 时,吞吐量为 913 tok/s/chip,每百万 token 成本为 $0.33;关闭投机解码时,吞吐量为 405 tok/s/chip,每百万 token 成本为 $0.75。在同一芯片上,M3 EAGLE 的单芯片吞吐量高出 125%,因此每 token 成本低 56%。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 MI325X FP8 上运行 MiniMax M3 428B,目标交互性设为 54 tok/s/user:启用 M3 EAGLE 时,吞吐量为 527 tok/s/chip,每百万 token 成本为 $0.58;关闭投机解码时,吞吐量为 245 tok/s/chip,每百万 token 成本为 $1.25。在同一芯片上,M3 EAGLE 的单芯片吞吐量高出 116%,因此每 token 成本低 54%。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。

74 tok/s/user 接近 13–95 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 310 tok/s/chip,每百万 token 成本为 $0.99;关闭投机解码时,吞吐量为 137 tok/s/chip,每百万 token 成本为 $2.22。在同一芯片上,M3 EAGLE 的单芯片吞吐量高出 125%,因此每 token 成本低 56%。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 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 EAGLE913关闭投机解码405
启用 M3 EAGLE527关闭投机解码245
启用 M3 EAGLE310关闭投机解码137
成本($/M tok)
启用 M3 EAGLE$0.33关闭投机解码$0.75
启用 M3 EAGLE$0.58关闭投机解码$1.25
启用 M3 EAGLE$0.99关闭投机解码$2.22
tok/s/MW
启用 M3 EAGLE540,424关闭投机解码239,719
启用 M3 EAGLE311,959关闭投机解码144,739
启用 M3 EAGLE183,142关闭投机解码81,324
并发数
启用 M3 EAGLE~120关闭投机解码~50
启用 M3 EAGLE~43关闭投机解码~19
启用 M3 EAGLE~18关闭投机解码~8
MiniMax M3 428B:MI325X 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
MI325X 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 ↗