Giải mã suy đoán thế hệ tiếp theo: DFlash và Spec V2
Tiêu đề gốc: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
Tóm tắt AI
Nhóm Z Lab, Modal và SGLang cùng phát hành mô hình giải mã suy đoán DFlash và công cụ Spec V2 mặc định của SGLang. DFlash sử dụng khuếch tán khối + chèn KV để tạo song song toàn bộ khối draft token, trên Qwen 3.5 397B-A17B (BF16) với tập dữ liệu HumanEval, khi đồng thời 1, thông lượng đạt 4,3 lần baseline
Thông tin chính
- Nhóm Z Lab,Modal và SGLang cùng phát hành mô hình giải mã suy đoán DFlash và công cụ Spec V2 mặc…
- DFlash sử dụng khuếch tán khối + chèn KV để tạo song song toàn bộ khối draft token,trên Qwen 3.
- 5 397B-A17B (BF16) với tập dữ liệu HumanEval,khi đồng thời 1,thông lượng đạt 4,3 lần baseline
Tóm tắt nhanh
- Đăng lúc
- Cập nhật lúc
- Nguồn
- LMSYS Blog
- Danh mục
- Ra mắt mô hình
- Điểm AI
- 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。
Thực thể liên quan
Nguồn và bản quyền
Bài viết này được tổng hợp dựa trên các tiêu đề chọn lọc và tóm tắt AI từ API công khai của AIHOT, đã ghi rõ nguồn và liên kết ngược; bản quyền nội dung gốc thuộc về cơ quan truyền thông và tác giả gốc, trang này không sao chép toàn văn.
Cách trích dẫn
Khi trích dẫn bài viết này, vui lòng giữ nguyên tiêu đề, ngày đăng và liên kết vĩnh viễn, đồng thời ghi rõ nguồn là Orange News.
Orange News: Giải mã suy đoán thế hệ tiếp theo: DFlash và Spec V2. 15 tháng 6 2026. https://new.nat6.net/vi/news/cmqfhhoq001hksl2aw53w2wz8/