MTP特性介绍

MTP（Multi-Token Prediction，多Token预测）是DeepSeek中提出的一种用于单次生成多个token的并行解码方法。 MTP并行解码的核心思想是在推理过程中，模型不仅预测下一个token，而且会同时预测多个token，从而显著提升模型生成速度。

限制与约束

Atlas 800I A2 推理服务器支持此特性。
当前仅DeepSeek-R1和DeepSeek-V3的W8A8量化模型支持此特性。
该特性不能和并行解码、Multi-LoRA、SplitFuse、Function Call、长序列特性同时使用。
MTP惩罚类后处理仅支持重复惩罚。

表1 MTP补充参数：**ModelDeployConfig中的ModelConfig参数**
配置项	取值类型	取值范围	配置说明
plugin_params	std::string	plugin_type: mtp num_speculative_tokens: [1]	plugin_type设置为“mtp”，表示选择mtp特性。 num_speculative_tokens表示MTP的层数，只能设置为“1”。配置示例： {\"plugin_type\":\"mtp\",\"num_speculative_tokens\": 1}

使用样例

"ModelDeployConfig" :
{
   "maxSeqLen" : 2560,
   "maxInputTokenLen" : 2048,
   "truncation" : false,
   "ModelConfig" : [
     {
         "plugin_params": "{\"plugin_type\":\"mtp\",\"num_speculative_tokens\": 1}",
         "modelInstanceType" : "Standard",
         "modelName" : "DeepSeek-R1_w8a8",
         "modelWeightPath" : "/data/weights/DeepSeek-R1_w8a8",
         "worldSize" : 8,
         "cpuMemSize" : 5,
         "npuMemSize" : -1,
         "backendType" : "atb",
         "trustRemoteCode" : false
      }
   ]
},

执行推理

配置服务化参数。该特性需配合MindIE Service使用，按照表1在服务化的config.json文件中添加相应参数。config.json文件路径的详细说明请参考《MindIE安装指南》中的“配置MindIE > 配置MindIE Server > 多机推理”章节中的软件包文件清单。
启动服务。具体请参考《MindIE Service开发指南》中的“快速开始 > 启动服务”章节。

父主题： 特性介绍