MI325X BF16：启用 MTP 与关闭投机解码的对比
在 MI325X BF16（AMD CDNA 3）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 MI325X BF16 上运行 Qwen 3.5 397B-A17B，目标交互性设为 55 tok/s/user：启用 MTP 时，吞吐量为 392 tok/s/chip，每百万 token 成本为 $0.78；关闭投机解码时，吞吐量为 392 tok/s/chip，每百万 token 成本为 $0.78。每 token 成本基本持平；单芯片吞吐量基本持平。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。
70 tok/s/user 位于 41–98 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 274 tok/s/chip，每百万 token 成本为 $1.11；关闭投机解码时，吞吐量为 275 tok/s/chip，每百万 token 成本为 $1.11。每 token 成本基本持平；单芯片吞吐量基本持平。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 MI325X BF16 上运行 Qwen 3.5 397B-A17B，目标交互性设为 84 tok/s/user：启用 MTP 时，吞吐量为 168 tok/s/chip，每百万 token 成本为 $1.82；关闭投机解码时，吞吐量为 170 tok/s/chip，每百万 token 成本为 $1.80。每 token 成本基本持平；单芯片吞吐量基本持平。投机解码通过接受 draft token 降低每 token 延迟；收益因工作负载和 prompt 分布而异。 （以上数据基于此 URL 固定的 1k/1k · bf16 工作负载；切换序列长度或模型后，表格和图表会同步更新。表格始终使用本页指定的精度，控件中的精度选项只影响图表。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | 启用 MTP:392.4关闭投机解码:392.0 | 启用 MTP:274.3关闭投机解码:275.0 | 启用 MTP:168.0关闭投机解码:169.6 |
| 成本（$/M tok） | 启用 MTP:$0.779关闭投机解码:$0.780 | 启用 MTP:$1.114关闭投机解码:$1.111 | 启用 MTP:$1.819关闭投机解码:$1.801 |
| tok/s/MW | 启用 MTP:232183关闭投机解码:231931 | 启用 MTP:162316关闭投机解码:162727 | 启用 MTP:99399关闭投机解码:100367 |
| 并发数 | 启用 MTP:~29关闭投机解码:~29 | 启用 MTP:~16关闭投机解码:~16 | 启用 MTP:~8关闭投机解码:~8 |
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。