Qwen 3.5 397B-A17B · 投机解码

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。

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。

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 1,475 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。在同一芯片上,MTP 的单芯片吞吐量高出 191%,因此每 token 成本低 66%。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 1,053 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。在同一芯片上,MTP 的单芯片吞吐量高出 180%,因此每 token 成本低 64%。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。在同一芯片上,MTP 的单芯片吞吐量为对方的 3.1 倍,因此每 token 成本低 68%。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。)

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 MTP1,475关闭投机解码506
启用 MTP1,053关闭投机解码376
启用 MTP803关闭投机解码256
成本($/M tok)
启用 MTP$0.43关闭投机解码$1.24
启用 MTP$0.60关闭投机解码$1.67
启用 MTP$0.78关闭投机解码$2.45
tok/s/MW
启用 MTP776,371关闭投机解码266,417
启用 MTP554,433关闭投机解码198,075
启用 MTP422,419关闭投机解码134,641
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
Qwen 3.5 397B-A17B:B300 BF16 上两种配置(启用 MTP、关闭投机解码)在相同交互性水平下的对比
B300 BF16 上两种配置(启用 MTP、关闭投机解码)的对比(默认工作负载)
查看大图 ↗