MiniMax M3 428B · 投机解码

MI355X FP4:启用 M3 EAGLE 与关闭投机解码的对比

在 MI355X FP4(AMD CDNA 4)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 MI355X FP4 上运行 MiniMax M3 428B,目标交互性设为 63 tok/s/user:启用 M3 EAGLE 时,吞吐量为 3,333 tok/s/chip,每百万 token 成本为 $0.13;关闭投机解码时,吞吐量为 1,817 tok/s/chip,每百万 token 成本为 $0.23。在同一芯片上,M3 EAGLE 的单芯片吞吐量高出 83%,因此每 token 成本低 45%。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 MI355X FP4 上的目标交互性设为 99 tok/s/user:启用 M3 EAGLE 时,吞吐量为 2,365 tok/s/chip,每百万 token 成本为 $0.18;关闭投机解码时,吞吐量为 838 tok/s/chip,每百万 token 成本为 $0.50。在同一芯片上,M3 EAGLE 的单芯片吞吐量高出 182%,因此每 token 成本低 65%。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 MI355X FP4 上运行 MiniMax M3 428B,目标交互性设为 135 tok/s/user:启用 M3 EAGLE 时,吞吐量为 1,702 tok/s/chip,每百万 token 成本为 $0.24;关闭投机解码时,吞吐量为 324 tok/s/chip,每百万 token 成本为 $1.29。在同一芯片上,M3 EAGLE 的单芯片吞吐量为对方的 5.2 倍,因此每 token 成本低 81%。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 · 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 EAGLE3,333关闭投机解码1,817
启用 M3 EAGLE2,365关闭投机解码838
启用 M3 EAGLE1,702关闭投机解码324
成本($/M tok)
启用 M3 EAGLE$0.13关闭投机解码$0.23
启用 M3 EAGLE$0.18关闭投机解码$0.50
启用 M3 EAGLE$0.24关闭投机解码$1.29
tok/s/MW
启用 M3 EAGLE1,594,650关闭投机解码869,404
启用 M3 EAGLE1,131,546关闭投机解码400,801
启用 M3 EAGLE814,219关闭投机解码155,098
并发数
启用 M3 EAGLE~111关闭投机解码~58
启用 M3 EAGLE~51关闭投机解码~17
启用 M3 EAGLE~27关闭投机解码~5
MiniMax M3 428B:MI355X 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
MI355X 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 ↗