MTP (多 token 预测)

MTP 是一种投机解码方法，其中目标模型具备原生的多 token 预测能力。与基于草稿模型（draft model）的方法不同，你无需提供单独的草稿模型。

MTP 适用于以下场景：

• 你的模型原生支持 MTP。
• 你希望在极简额外配置的情况下使用基于模型的投机解码。

离线示例

from vllm import LLM, SamplingParams

prompts = ["The future of AI is"]
sampling_params = SamplingParams(temperature=0.8, top_p=0.95)

llm = LLM(
    model="XiaomiMiMo/MiMo-7B-Base",
    tensor_parallel_size=1,
    speculative_config={
        "method": "mtp",
        "num_speculative_tokens": 1,
    },
)
outputs = llm.generate(prompts, sampling_params)

for output in outputs:
    prompt = output.prompt
    generated_text = output.outputs[0].text
    print(f"Prompt: {prompt!r}, Generated text: {generated_text!r}")

在线示例

vllm serve XiaomiMiMo/MiMo-7B-Base \
    --tensor-parallel-size 1 \
    --speculative_config '{"method":"mtp","num_speculative_tokens":1}'

注意事项

• MTP 仅适用于 vLLM 中支持 MTP 的模型系列。
• num_speculative_tokens 用于控制投机深度。较小的值（例如 1）是一个很好的初始默认值。
• 如果你的模型不支持 MTP，请使用其他方法，例如 EAGLE 或基于草稿模型的投机解码。