MI355X FP8：启用 M3 EAGLE 与关闭投机解码的对比
在 MI355X FP8（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。
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 FP8 上运行 MiniMax M3 428B，目标交互性设为 43 tok/s/user：启用 M3 EAGLE 时，吞吐量为 6274 tok/s/chip，每百万 token 成本为 $0.07；关闭投机解码时，吞吐量为 4374 tok/s/chip，每百万 token 成本为 $0.10。M3 EAGLE 的成本效率高出 43%；M3 EAGLE 的单芯片吞吐量高出 43%。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 FP8 上的目标交互性设为 78 tok/s/user：启用 M3 EAGLE 时，吞吐量为 4409 tok/s/chip，每百万 token 成本为 $0.09；关闭投机解码时，吞吐量为 2114 tok/s/chip，每百万 token 成本为 $0.20。M3 EAGLE 的成本效率高出 109%；M3 EAGLE 的单芯片吞吐量高出 109%。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 FP8 上运行 MiniMax M3 428B，目标交互性设为 114 tok/s/user：启用 M3 EAGLE 时，吞吐量为 3359 tok/s/chip，每百万 token 成本为 $0.12；关闭投机解码时，吞吐量为 1125 tok/s/chip，每百万 token 成本为 $0.37。M3 EAGLE 的成本效率高出 199%；M3 EAGLE 的单芯片吞吐量高出 199%。投机解码会增加 draft token 的计算量，以减少解码步数；收益取决于序列长度和批大小。 （以上数据基于此 URL 固定的 8k/1k · fp8 工作负载；切换序列长度或模型后，表格和图表会同步更新。表格始终使用本页指定的精度，控件中的精度选项只影响图表。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | 启用 M3 EAGLE:6274.3关闭投机解码:4374.5 | 启用 M3 EAGLE:4409.3关闭投机解码:2114.3 | 启用 M3 EAGLE:3359.3关闭投机解码:1125.0 |
| 成本（$/M tok） | 启用 M3 EAGLE:$0.066关闭投机解码:$0.095 | 启用 M3 EAGLE:$0.094关闭投机解码:$0.197 | 启用 M3 EAGLE:$0.124关闭投机解码:$0.370 |
| tok/s/MW | 启用 M3 EAGLE:3002063关闭投机解码:2093040 | 启用 M3 EAGLE:2109720关闭投机解码:1011611 | 启用 M3 EAGLE:1607312关闭投机解码:538256 |
| 并发数 | 启用 M3 EAGLE:~78关闭投机解码:~95 | 启用 M3 EAGLE:~30关闭投机解码:~12 | 启用 M3 EAGLE:~16关闭投机解码:~5 |
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。