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
- SSD 扛不住随机读:网友探讨用 NVLink + Redis 承载 Engram 查表方案 — bookwormengr · 2026-09-11
- Engram 随机读取不适合 SSD，CPU 内存低延迟共享或成正解 — bookwormengr · 2026-09-11
- 劝退帖:推理工程是真金白银的硬活,八成尝鲜者已悄然放弃 — abhijithneil · 2026-09-11
- Hugging Face《Ultra Scale Playbook》:GPU 集群训练 LLM 的免费技术书 — mdancho84 · 2026-09-11
- 从聊天到 Agent,推理延迟正在成为生产级瓶颈 — Euphoric_Sea632 · 2026-09-11
- 推理服务关键指标盘点:流式速度 TPOT 与可用性如何影响体验 — abhijithneil · 2026-09-11