本地大模型的 prefill 吞吐是否被严重低估?
GabryIta · reddit · 2026-07-07
开发者指出,讨论本地运行 LLM 的 ROI 时几乎只关注解码(输出)速度,而忽视 prefill(输入)速度。以有人在 4 台 NVIDIA DGX Spark 上跑 GLM 5.2(4bit、投机解码等优化)为例,可实现约 60 输出 token/秒、6 并发,理论上 24/7 一天约 518 万输出 token,按 4.40 美元/百万输出 token 约合 22 美元/天;而同一配置的 prefill 吞吐约 3000 token/秒,是输出的约 50 倍。即便 prefill 单价更低(约 1.40 美元/百万输入 token),这种巨大吞吐差应显著影响 ROI,作者质疑业界为何很少将 prefill 纳入评估。