DFlash合并入llama.cpp 本地推理快4.44倍
FantasticNature7590 · reddit · 2026-07-08
开发者在 RTX 6000 PRO 上实测刚合并入 llama.cpp(PR #22105)的 DFlash 投机解码,跑 Qwen 3.6 27B 在 36K 上下文下比此前最佳 MTP 快 4.44 倍。DFlash 来自 z-lab,采用块扩散(block diffusion)drafter,一次填满 15 个 token 块而非逐个生成,可一键 docker 部署为 Llama server。
所属事件:llama.cpp 引入 DFlash 投机解码，本地推理大幅提速(5 条相关)→
「Infra」频道最新
- AI 数据中心时代用电论战：有人还在纠结灯泡省电与调整时区 — mgostIH · 2026-10-27
- 法律 AI 公司 Legora 在 Modal 上并行跑 2000 个 agent eval — blelbach · 2026-10-27
- 云厂商发布速度打分：AWS 95 分领先，Azure 90、谷歌云 82 — DavidLinthicum · 2026-10-27
- 卖掉 5090 换多机？一公司主拆解本地推理硬件扩展五套方案 — Anarchaotic · 2026-10-27
- AWS 教程:SageMaker SDK v3 搭建车队级边缘视觉模型流水线 — AWS ML Blog · 2026-10-27
- Embedl 把 Qwen3.8-27B 压进 Jetson Thor:解码 40 tok/s,精度反超 FP16 — No-Dragonfly6246 · 2026-10-27