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。
70 tok/s/user 接近 19–222 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 5452 tok/s/chip，每百万 token 成本为 $0.09；关闭投机解码时，吞吐量为 4719 tok/s/chip，每百万 token 成本为 $0.10。MTP 的成本效率高出 16%；MTP 的单芯片吞吐量高出 16%。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 121 tok/s/user：启用 MTP 时，吞吐量为 3734 tok/s/chip，每百万 token 成本为 $0.13；关闭投机解码时，吞吐量为 2584 tok/s/chip，每百万 token 成本为 $0.19。MTP 的成本效率高出 44%；MTP 的单芯片吞吐量高出 44%。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 172 tok/s/user：启用 MTP 时，吞吐量为 2824 tok/s/chip，每百万 token 成本为 $0.17；关闭投机解码时，吞吐量为 1303 tok/s/chip，每百万 token 成本为 $0.37。MTP 的成本效率高出 117%；MTP 的单芯片吞吐量高出 117%。draft token 接受率决定了在给定并发数下，投机解码是提升性能还是拖累性能。 （以上数据基于此 URL 固定的 8k/1k · fp8 工作负载；切换序列长度或模型后，表格和图表会同步更新。表格始终使用本页指定的精度，控件中的精度选项只影响图表。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | 启用 MTP:5452.4关闭投机解码:4719.3 | 启用 MTP:3734.2关闭投机解码:2584.3 | 启用 MTP:2823.8关闭投机解码:1302.8 |
| 成本（$/M tok） | 启用 MTP:$0.088关闭投机解码:$0.102 | 启用 MTP:$0.129关闭投机解码:$0.186 | 启用 MTP:$0.170关闭投机解码:$0.369 |
| tok/s/MW | 启用 MTP:3188566关闭投机解码:2759797 | 启用 MTP:2183725关闭投机解码:1511263 | 启用 MTP:1651343关闭投机解码:761898 |
| 并发数 | 启用 MTP:~39关闭投机解码:~32 | 启用 MTP:~15关闭投机解码:~10 | 启用 MTP:~9关闭投机解码:~4 |
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。