RTX PRO 6000 FP4：启用 MTP 与关闭投机解码的对比
在 RTX PRO 6000 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 RTX PRO 6000 FP4 上运行 Qwen 3.5 397B-A17B，目标交互性设为 29 tok/s/user：启用 MTP 时，吞吐量为 1372 tok/s/chip，每百万 token 成本为 $0.14；关闭投机解码时，吞吐量为 974 tok/s/chip，每百万 token 成本为 $0.19。MTP 的成本效率高出 41%；MTP 的单芯片吞吐量高出 41%。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 RTX PRO 6000 FP4 上的目标交互性设为 46 tok/s/user：启用 MTP 时，吞吐量为 1082 tok/s/chip，每百万 token 成本为 $0.17；关闭投机解码时，吞吐量为 579 tok/s/chip，每百万 token 成本为 $0.33。MTP 的成本效率高出 87%；MTP 的单芯片吞吐量高出 87%。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 RTX PRO 6000 FP4 上运行 Qwen 3.5 397B-A17B，目标交互性设为 63 tok/s/user：启用 MTP 时，吞吐量为 916 tok/s/chip，每百万 token 成本为 $0.21；关闭投机解码时，吞吐量为 316 tok/s/chip，每百万 token 成本为 $0.60。MTP 的成本效率高出 190%；MTP 的单芯片吞吐量高出 190%。投机解码会增加 draft token 的计算量，以减少解码步数；收益取决于序列长度和批大小。 （以上数据基于此 URL 固定的 8k/1k · fp4 工作负载；切换序列长度或模型后，表格和图表会同步更新。表格始终使用本页指定的精度，控件中的精度选项只影响图表。）
| 指标 | 交互性（tok/s/user） | 交互性（tok/s/user） | 交互性（tok/s/user） |
|---|---|---|---|
| 吞吐量（tok/s/chip） | 启用 MTP:1372.3关闭投机解码:974.0 | 启用 MTP:1081.7关闭投机解码:578.9 | 启用 MTP:916.3关闭投机解码:316.0 |
| 成本（$/M tok） | 启用 MTP:$0.138关闭投机解码:$0.194 | 启用 MTP:$0.175关闭投机解码:$0.326 | 启用 MTP:$0.206关闭投机解码:$0.598 |
| tok/s/MW | 启用 MTP:1407493关闭投机解码:998961 | 启用 MTP:1109396关闭投机解码:593735 | 启用 MTP:939801关闭投机解码:324130 |
| 并发数 | 启用 MTP:~26关闭投机解码:~16 | 启用 MTP:~13关闭投机解码:~6 | 启用 MTP:~8关闭投机解码:~2 |
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。