DFlash

它解决什么

经典投机解码用一个小模型当 drafter：起草质量差、接受率低，长上下文场景加速比上不去。 DFlash 把 drafter 换成块扩散模型——一次并行生成一整块候选 token，再由大模型一步验证， 在同等显存预算下把验证命中率提上去，长文与 Agent 多轮场景的延迟收益最明显。

什么时候用它

• 本地跑长上下文推理，decode 是主要瓶颈 → 投机解码是几乎免费的加速。
• 想跟进「扩散做 drafter」这条 2026 年的主线 → 它是该路线的代表实现之一。

上手难点

• 需要额外一份扩散 drafter 权重与对应集成，显存预算要留出来。
• 加速比高度依赖任务分布：短回答、强格式约束场景收益会缩水。