Nächste Generation der spekulativen Dekodierung: DFlash und Spec V2
Originaltitel:Blog The next generation of speculative decoding: DFlash and Spec V2 Using Modal and Z Lab's DFlash speculative decoding models with SGLang’s newly default Spec V2 engine, you can achieve state-of-the-art latencies for LLM inference serving. Our new, jointly-released D... Z Lab, Modal, and SGLang Teams
KI-Zusammenfassung
Die Teams von Z Lab, Modal und SGLang haben gemeinsam das spekulative Dekodierungsmodell DFlash und die Standard-Engine Spec V2 für SGLang veröffentlicht. DFlash erzeugt mithilfe von Block-Diffusion und KV-Injektion parallel ganze Blöcke von Draft-Tokens; auf dem HumanEval-Datensatz mit Qwen 3.5 397B-A17B (BF16) erreicht der Durchsatz bei Parallelität 1 das 4,3-Fache der Baseline
Kernpunkte
- Die Teams von Z Lab,Modal und SGLang haben gemeinsam das spekulative Dekodierungsmodell DFlash und…
- DFlash erzeugt mithilfe von Block-Diffusion und KV-Injektion parallel ganze Blöcke von Draft-Tokens
- auf dem HumanEval-Datensatz mit Qwen 3.
- 5 397B-A17B (BF16) erreicht der Durchsatz bei Parallelität 1 das 4,3-Fache der Baseline
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Quelle
- LMSYS Blog
- Kategorie
- Modellveröffentlichungen
- KI-Bewertung
- 67
DFlash 用并行起草和 KV 注入实现了实测 4.3 倍吞吐,再加上 SGLang Spec V2 引擎优化,推理加速不再是纸上谈兵。做 LLM 部署和推理服务的人,可以直接用这个组合试试。
Verwandte Entitäten
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: Nächste Generation der spekulativen Dekodierung: DFlash und Spec V2. 15. Juni 2026. https://new.nat6.net/de/news/cmqfhhoq001hksl2aw53w2wz8/