Qwen 3.5 397B-A17B · 投机解码
GB300 NVL72 FP4: MTP vs Off 投机解码
MTP 与 Off 在 GB300 NVL72 FP4（NVIDIA Blackwell）上运行 Qwen 3.5 397B-A17B 的投机解码对比。在各类 LLM 工作负载下的吞吐量、成本和交互性差异。使用下方图表控件切换序列和指标——交互方式与主推理图表相同。
MTP 接受率可比性
MTP 接受率实现在不同推理引擎间存在差异。不同引擎的数据点在同一曲线上不可直接比较——在相同交互性水平下的吞吐量和成本差异可能反映的是引擎层面的差异，而非纯投机解码收益。请谨慎解读跨引擎对比。
Off 在 Qwen 3.5 397B-A17B（GB300 NVL72 FP4）上以 90 tok/s/user 运行时达到 6025 tok/s/GPU（每百万 token $0.12）。MTP 在此工作点没有数据。
Off：2801 tok/s/GPU，每百万 token $0.26（Qwen 3.5 397B-A17B（GB300 NVL72 FP4）上以 136 tok/s/user 运行）。MTP 在此点尚未测试。
在 Qwen 3.5 397B-A17B（GB300 NVL72 FP4）上以 183 tok/s/user 运行时，Off 吞吐量为 1338 tok/s/GPU，每百万 token 成本 $0.55；MTP 在此目标点没有基准测试数据。 （数据反映此 URL 固定的 8k/1k · fp4 工作负载——更改序列或模型时表格和图表都会更新；本页表格始终锁定该精度，图表中的精度切换仅影响图表。）
Interpolated from real benchmark data. Edit target interactivity values below to compare at different operating points.
| Metric | Interactivity (tok/s/user) | Interactivity (tok/s/user) | Interactivity (tok/s/user) |
|---|---|---|---|
| Throughput (tok/s/gpu) | MTP:—Off:6024.7 | MTP:—Off:2801.0 | MTP:—Off:1338.4 |
| Cost ($/M tok) | MTP:—Off:$0.122 | MTP:—Off:$0.256 | MTP:—Off:$0.553 |
| tok/s/MW | MTP:—Off:2841855 | MTP:—Off:1321248 | MTP:—Off:631330 |
| Concurrency | MTP:—Off:~71 | MTP:—Off:~21 | MTP:—Off:~7 |
推理性能
不同模型、硬件配置和服务参数下的推理性能指标。
厂商:
部署模式:
投机解码: