GB300 NVL72 FP8：启用 MTP 与关闭投机解码的对比
在 GB300 NVL72 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。
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 FP8 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 10224 tok/s/chip，每百万 token 成本为 $0.06；关闭投机解码时，吞吐量为 2800 tok/s/chip，每百万 token 成本为 $0.23。MTP 的成本效率高出 265%；MTP 的单芯片吞吐量高出 265%。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 FP8 上的目标交互性设为 131 tok/s/user：启用 MTP 时，吞吐量为 5267 tok/s/chip，每百万 token 成本为 $0.12；关闭投机解码时，吞吐量为 1529 tok/s/chip，每百万 token 成本为 $0.42。MTP 的成本效率高出 244%；MTP 的单芯片吞吐量高出 244%。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 FP8 上运行 Qwen 3.5 397B-A17B，目标交互性设为 169 tok/s/user：启用 MTP 时，吞吐量为 3181 tok/s/chip，每百万 token 成本为 $0.20；关闭投机解码时，吞吐量为 728 tok/s/chip，每百万 token 成本为 $0.88。MTP 的成本效率高出 337%；MTP 的单芯片吞吐量高出 337%。投机解码会增加 draft token 的计算量，以减少解码步数；收益取决于序列长度和批大小。 （以上数据基于此 URL 固定的 8k/1k · fp8 工作负载；切换序列长度或模型后，表格和图表会同步更新。表格始终使用本页指定的精度，控件中的精度选项只影响图表。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | 启用 MTP:10223.9关闭投机解码:2799.8 | 启用 MTP:5266.8关闭投机解码:1529.2 | 启用 MTP:3180.7关闭投机解码:727.8 |
| 成本（$/M tok） | 启用 MTP:$0.063关闭投机解码:$0.229 | 启用 MTP:$0.122关闭投机解码:$0.420 | 启用 MTP:$0.202关闭投机解码:$0.882 |
| tok/s/MW | 启用 MTP:4822602关闭投机解码:1320647 | 启用 MTP:2484317关闭投机解码:721311 | 启用 MTP:1500330关闭投机解码:343282 |
| 并发数 | 启用 MTP:~906关闭投机解码:~30 | 启用 MTP:~122关闭投机解码:~12 | 启用 MTP:~46关闭投机解码:~4 |
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。