Qwen 3.5 397B-A17B · 投机解码

B300 FP8:启用 MTP 与关闭投机解码的对比

在 B300 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。

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。

在 B300 FP8 上运行 Qwen 3.5 397B-A17B,目标交互性设为 67 tok/s/user:启用 MTP 时,吞吐量为 2,963 tok/s/chip,每百万 token 成本为 $0.21;关闭投机解码时,吞吐量为 1,169 tok/s/chip,每百万 token 成本为 $0.54。在同一芯片上,MTP 的单芯片吞吐量高出 154%,因此每 token 成本低 61%。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。

94 tok/s/user 位于 40–147 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 1,913 tok/s/chip,每百万 token 成本为 $0.33;关闭投机解码时,吞吐量为 731 tok/s/chip,每百万 token 成本为 $0.86。在同一芯片上,MTP 的单芯片吞吐量高出 162%,因此每 token 成本低 62%。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 FP8 上运行 Qwen 3.5 397B-A17B,目标交互性设为 120 tok/s/user:启用 MTP 时,吞吐量为 1,299 tok/s/chip,每百万 token 成本为 $0.48;关闭投机解码时,吞吐量为 484 tok/s/chip,每百万 token 成本为 $1.30。在同一芯片上,MTP 的单芯片吞吐量高出 168%,因此每 token 成本低 63%。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 · 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 MTP2,963关闭投机解码1,169
启用 MTP1,913关闭投机解码731
启用 MTP1,299关闭投机解码484
成本($/M tok)
启用 MTP$0.21关闭投机解码$0.54
启用 MTP$0.33关闭投机解码$0.86
启用 MTP$0.48关闭投机解码$1.30
tok/s/MW
启用 MTP1,559,227关闭投机解码615,024
启用 MTP1,006,906关闭投机解码384,914
启用 MTP683,932关闭投机解码254,921
并发数
启用 MTP~90关闭投机解码~36
启用 MTP~42关闭投机解码~16
启用 MTP~23关闭投机解码~8
Qwen 3.5 397B-A17B:B300 FP8 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 FP8 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 ↗