Qwen 3.5 397B-A17B · 投机解码
B200 FP8:启用 MTP 与关闭投机解码的对比
在 B200 FP8(NVIDIA Blackwell)上运行 Qwen 3.5 397B-A17B 时,对比启用 MTP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。
74 tok/s/user 接近 23–226 tok/s/user 交互性区间的下限。在这一运行点,启用 MTP 时,吞吐量为 8,147 tok/s/chip,每百万 token 成本为 $0.059;关闭投机解码时,吞吐量为 4,542 tok/s/chip,每百万 token 成本为 $0.11。在同一芯片上,MTP 的单芯片吞吐量高出 79%,因此每 token 成本低 44%。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 B200 FP8 上运行 Qwen 3.5 397B-A17B,目标交互性设为 124 tok/s/user:启用 MTP 时,吞吐量为 5,867 tok/s/chip,每百万 token 成本为 $0.082;关闭投机解码时,吞吐量为 2,631 tok/s/chip,每百万 token 成本为 $0.18。在同一芯片上,MTP 的单芯片吞吐量高出 123%,因此每 token 成本低 55%。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。
Qwen 3.5 397B-A17B 在 B200 FP8 上的目标交互性设为 175 tok/s/user:启用 MTP 时,吞吐量为 4,342 tok/s/chip,每百万 token 成本为 $0.11;关闭投机解码时,吞吐量为 1,338 tok/s/chip,每百万 token 成本为 $0.36。在同一芯片上,MTP 的单芯片吞吐量为对方的 3.2 倍,因此每 token 成本低 69%。draft token 接受率决定了在给定并发数下,投机解码是提升性能还是拖累性能。 (以上数据基于此 URL 固定的 8k/1k · fp8 工作负载;切换序列长度或模型后,表格和图表会同步更新。表格始终使用本页指定的精度,控件中的精度选项只影响图表。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | 启用 MTP8,147关闭投机解码4,542 | 启用 MTP5,867关闭投机解码2,631 | 启用 MTP4,342关闭投机解码1,338 |
| 成本($/M tok) | 启用 MTP$0.059关闭投机解码$0.11 | 启用 MTP$0.082关闭投机解码$0.18 | 启用 MTP$0.11关闭投机解码$0.36 |
| tok/s/MW | 启用 MTP4,764,309关闭投机解码2,656,104 | 启用 MTP3,430,887关闭投机解码1,538,371 | 启用 MTP2,539,215关闭投机解码782,445 |
| 并发数 | 启用 MTP~52关闭投机解码~29 | 启用 MTP~23关闭投机解码~10 | 启用 MTP~12关闭投机解码~4 |
