Gemma 4 MTP を DGX Spark で動かして日本語生成の高速化を実測してみた | DevelopersIO

はじめに こんにちは、クラスメソッド製造ビジネステクノロジー部の森茂です。 先日の Gemma 4 ベンチマーク記事 の続編です。Google が 2026-05-05 に発表した Gemma 4 MTP（Multi-Token Prediction）を DGX Spark で動かしてみました。 ざっくり言うと MTP は、本体モデルとは別に「次のトークンを先回りして予測する軽量な下書き役」を用意して、本体モデルがまとめて検証することで生成を速くする仕組みです。この種の技術は speculative decoding（投機的デコーディング）と呼ばれていて、Gemma 4 では本体（target）と下書き役（drafter）のペアモデルが Google から公式に配布されているのがポイントです。 Google の公式ブログでは「最大 3 倍の高速化」と謳っていますが、個人的に気になったのは「

[pendamadura]

DGX Spark意外と安いな

[CLSmooth]

“DGX Spark”

[crimson_diamond]

暇を持て余した神々の遊び！！！（いや、暇じゃないけど）（DGX出た時に買っとけば良かったよとほほ）

[nguyen-oi]

MTPで2倍速は熱いけど結局メモリ帯域がボトルネックか。短文で遅くなるのはMoEの宿命だな。技術検証が細かくて助かる