待验证50% 置信基准精确时间
使用SGLang同时开启Prefix Cache和MTP后，token生成速度提升到约40-50 tokens/s
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/8/18
首次发现
有效期至：2026/11/16
来源
相关事实
待验证同等参数的Dense模型在没有MTP的情况下，生成速度通常只有40-50 tokens/s73% 相似待验证在预填充速度测试中，Halo约650 tokens/s，Spark约2000 tokens/s，Spark快了将近三倍70% 相似待验证在4×RTX 3090 SXM4配置下，GLM-5.2量化版本的Token生成速度约为6.3-6.8 tokens/秒，提示评估速度约为10.6 tokens/秒70% 相似待验证每轮工具调用平均产生2K Token的输入输出，到第20轮时仅工具调用历史记录就累积约40K Token66% 相似待验证本地部署DS4模型在STM32嵌入式开发测试中平均输出速度约为23 tokens/秒，推理时内存占用飙升至110GB，峰值速度达83.8 tokens/秒64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/768406API
curl https://kongchang.com/api/v1/knowledge/claims/768406MCP
get_claim(id=768406)