GB300 NVL72 FP4：启用 MTP 与关闭投机解码的对比
在 GB300 NVL72 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 GB300 NVL72 FP4 上运行 Qwen 3.5 397B-A17B，目标交互性设为 104 tok/s/user：启用 MTP 时，吞吐量为 34137 tok/s/chip，每百万 token 成本为 $0.02；关闭投机解码时，吞吐量为 12387 tok/s/chip，每百万 token 成本为 $0.05。MTP 的成本效率高出 176%；MTP 的单芯片吞吐量高出 176%。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。
Qwen 3.5 397B-A17B 在 GB300 NVL72 FP4 上的目标交互性设为 162 tok/s/user：启用 MTP 时，吞吐量为 18210 tok/s/chip，每百万 token 成本为 $0.04；关闭投机解码时，吞吐量为 5253 tok/s/chip，每百万 token 成本为 $0.12。MTP 的成本效率高出 247%；MTP 的单芯片吞吐量高出 247%。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 GB300 NVL72 FP4 上运行 Qwen 3.5 397B-A17B，目标交互性设为 220 tok/s/user：启用 MTP 时，吞吐量为 12786 tok/s/chip，每百万 token 成本为 $0.05；关闭投机解码时，吞吐量为 1895 tok/s/chip，每百万 token 成本为 $0.34。MTP 的成本效率高出 575%；MTP 的单芯片吞吐量高出 575%。投机解码会增加 draft token 的计算量，以减少解码步数；收益取决于序列长度和批大小。 （以上数据基于此 URL 固定的 8k/1k · fp4 工作负载；切换序列长度或模型后，表格和图表会同步更新。表格始终使用本页指定的精度，控件中的精度选项只影响图表。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | 启用 MTP:34136.6关闭投机解码:12387.4 | 启用 MTP:18209.8关闭投机解码:5253.1 | 启用 MTP:12786.4关闭投机解码:1895.2 |
| 成本（$/M tok） | 启用 MTP:$0.019关闭投机解码:$0.052 | 启用 MTP:$0.035关闭投机解码:$0.122 | 启用 MTP:$0.050关闭投机解码:$0.339 |
| tok/s/MW | 启用 MTP:16102183关闭投机解码:5843118 | 启用 MTP:8589552关闭投机解码:2477888 | 启用 MTP:6031338关闭投机解码:893960 |
| 并发数 | 启用 MTP:~1171关闭投机解码:~307 | 启用 MTP:~479关闭投机解码:~118 | 启用 MTP:~166关闭投机解码:~32 |
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。