Qwen 3.5 397B-A17B · 投机解码

TPU7x FP8:启用 MTP 与关闭投机解码的对比

在 TPU7x FP8(Google Ironwood)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。

MTP 接受率不宜跨引擎直接比较

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。

Qwen 3.5 397B-A17B 在 TPU7x FP8 上的目标交互性设为 59 tok/s/user:关闭投机解码时,吞吐量为 5,664 tok/s/chip,每百万 token 成本为 $0.051;启用 MTP 时,该运行点暂无数据。

在 TPU7x FP8 上运行 Qwen 3.5 397B-A17B,目标交互性设为 111 tok/s/user:关闭投机解码时,吞吐量为 3,559 tok/s/chip,每百万 token 成本为 $0.080;启用 MTP 时,该运行点尚未测试。

在 TPU7x FP8 上运行 Qwen 3.5 397B-A17B,目标交互性设为 163 tok/s/user:关闭投机解码时,吞吐量为 2,468 tok/s/chip,每百万 token 成本为 $0.12;启用 MTP 时,该运行点暂无基准测试数据。 (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。)

数据由真实基准测试结果插值得出。调整下方的目标交互性数值,即可比较不同运行点。

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—关闭投机解码5,664
启用 MTP—关闭投机解码3,559
启用 MTP—关闭投机解码2,468
成本($/M tok)
启用 MTP—关闭投机解码$0.051
启用 MTP—关闭投机解码$0.080
启用 MTP—关闭投机解码$0.12
tok/s/MW
启用 MTP—关闭投机解码4,692,296
启用 MTP—关闭投机解码2,948,752
启用 MTP—关闭投机解码2,044,583
并发数
启用 MTP—关闭投机解码~45
启用 MTP—关闭投机解码~15
启用 MTP—关闭投机解码~7
Qwen 3.5 397B-A17B:TPU7x FP8 上两种配置(启用 MTP、关闭投机解码)在相同交互性水平下的对比
TPU7x FP8 上两种配置(启用 MTP、关闭投机解码)的对比(默认工作负载)
查看大图 ↗