B300 BF16：启用 MTP 与关闭投机解码的对比
在 B300 BF16（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。
Qwen 3.5 397B-A17B 在 B300 BF16 上的目标交互性设为 97 tok/s/user：启用 MTP 时，吞吐量为 1475 tok/s/chip，每百万 token 成本为 $0.43；关闭投机解码时，吞吐量为 506 tok/s/chip，每百万 token 成本为 $1.24。MTP 的成本效率高出 191%；MTP 的单芯片吞吐量高出 191%。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 B300 BF16 上运行 Qwen 3.5 397B-A17B，目标交互性设为 122 tok/s/user：启用 MTP 时，吞吐量为 1053 tok/s/chip，每百万 token 成本为 $0.60；关闭投机解码时，吞吐量为 376 tok/s/chip，每百万 token 成本为 $1.67。MTP 的成本效率高出 180%；MTP 的单芯片吞吐量高出 180%。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。
146 tok/s/user 接近 74–170 tok/s/user 交互性区间的上限。在这一运行点，启用 MTP 时，吞吐量为 803 tok/s/chip，每百万 token 成本为 $0.78；关闭投机解码时，吞吐量为 256 tok/s/chip，每百万 token 成本为 $2.45。MTP 的成本效率高出 214%；MTP 的单芯片吞吐量高出 214%。投机解码的收益因工作负载而异；输出较短的 prompt 通常收益较小。 （以上数据基于此 URL 固定的 1k/1k · bf16 工作负载；切换序列长度或模型后，表格和图表会同步更新。表格始终使用本页指定的精度，控件中的精度选项只影响图表。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | 启用 MTP:1475.1关闭投机解码:506.2 | 启用 MTP:1053.4关闭投机解码:376.3 | 启用 MTP:802.6关闭投机解码:255.8 |
| 成本（$/M tok） | 启用 MTP:$0.426关闭投机解码:$1.240 | 启用 MTP:$0.596关闭投机解码:$1.668 | 启用 MTP:$0.782关闭投机解码:$2.454 |
| tok/s/MW | 启用 MTP:776371关闭投机解码:266417 | 启用 MTP:554433关闭投机解码:198075 | 启用 MTP:422419关闭投机解码:134641 |
| 并发数 | 启用 MTP:~64关闭投机解码:~11 | 启用 MTP:~41关闭投机解码:~6 | 启用 MTP:~24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。