Qwen 3.5 397B-A17B · 投机解码
B300 FP4:启用 MTP 与关闭投机解码的对比
在 B300 FP4(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。
在 B300 FP4 上运行 Qwen 3.5 397B-A17B,目标交互性设为 93 tok/s/user:启用 MTP 时,吞吐量为 4,729 tok/s/chip,每百万 token 成本为 $0.13;关闭投机解码时,吞吐量为 1,584 tok/s/chip,每百万 token 成本为 $0.40。在同一芯片上,MTP 的单芯片吞吐量高出 199%,因此每 token 成本低 67%。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。
124 tok/s/user 位于 63–184 tok/s/user 交互性区间的中段。在这一运行点,启用 MTP 时,吞吐量为 3,194 tok/s/chip,每百万 token 成本为 $0.20;关闭投机解码时,吞吐量为 966 tok/s/chip,每百万 token 成本为 $0.65。在同一芯片上,MTP 的单芯片吞吐量为对方的 3.3 倍,因此每 token 成本低 70%。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 B300 FP4 上运行 Qwen 3.5 397B-A17B,目标交互性设为 154 tok/s/user:启用 MTP 时,吞吐量为 2,158 tok/s/chip,每百万 token 成本为 $0.29;关闭投机解码时,吞吐量为 614 tok/s/chip,每百万 token 成本为 $1.02。在同一芯片上,MTP 的单芯片吞吐量为对方的 3.5 倍,因此每 token 成本低 72%。投机解码通过接受 draft token 降低每 token 延迟;收益因工作负载和 prompt 分布而异。 (以上数据基于此 URL 固定的 1k/1k · fp4 工作负载;切换序列长度或模型后,表格和图表会同步更新。表格始终使用本页指定的精度,控件中的精度选项只影响图表。)
数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。
| 指标 | 交互性(tok/s/user) | 交互性(tok/s/user) | 交互性(tok/s/user) |
|---|---|---|---|
| 吞吐量(tok/s/chip) | 启用 MTP4,729关闭投机解码1,584 | 启用 MTP3,194关闭投机解码966 | 启用 MTP2,158关闭投机解码614 |
| 成本($/M tok) | 启用 MTP$0.13关闭投机解码$0.40 | 启用 MTP$0.20关闭投机解码$0.65 | 启用 MTP$0.29关闭投机解码$1.02 |
| tok/s/MW | 启用 MTP2,488,957关闭投机解码833,491 | 启用 MTP1,680,962关闭投机解码508,560 | 启用 MTP1,135,598关闭投机解码323,255 |
| 并发数 | 启用 MTP~64关闭投机解码~37 | 启用 MTP~63关闭投机解码~16 | 启用 MTP~16关闭投机解码~8 |
