vLLM 深度测评：MTP、EAGLE 等 5 种推测解码在 AMD 显卡上的实战表现
vllm_project · x · 2026-08-28
vLLM 发布新博客，深入探讨并对比了 5 种推测解码方法在 AMD Instinct MI300X 和 MI355X 上的性能表现。结论是并没有通用的赢家，最佳选择取决于模型、工作负载和推测深度。
测试方法与范围：
- 博客解析了 5 种方法的工作原理：native MTP、Gemma 4 MTP、EAGLE-3、DFlash 和 DSpark。
- 在 vLLM 中讲解了如何启用和调优这些方法。
- 基于 Gemma、Qwen、Kimi 和 MiniMax 模型进行了基准测试。
核心发现：
- 推测解码允许 vLLM 在单次目标模型前向传播中验证多个草稿 token。
- 性能提升因草稿方法、提议长度、模型族和具体工作负载而异。
- 不同的接受行为也会显著影响输出 token 的吞吐量。
「Infra」频道最新
- 纯 MLX 引擎推理提速至 65 tok/s，显存需求减半 — EyalToledano · 2026-08-28
- Nvidia 护城河在规模与供应链锁定 — firstadopter · 2026-08-28
- 观点：Qwen 的 n-gram 技术将刺破 AI 泡沫 — Acrobatic_Stress1388 · 2026-08-28
- 担忧：若 Nvidia 收购 Llama.cpp 和 HF — Hannibalj2ca · 2026-08-28
- Microsoft Foundry 推 AI Gateway，统一管控流量与配额 — davemccollough · 2026-08-28
- Autonomous 推出双卡 RTX 5090 工作站,26100 美元起 — dee_hw · 2026-08-28