DFlash加速Blackwell推理
PyTorch · x · 2026-07-10
PyTorch 介绍了 DFlash：一种基于 PyTorch 的 block-diffusion 模型，用于 speculative decoding，目标是在 NVIDIA Blackwell 上加速大模型推理。 帖子提到，研究人员发布了相关论文与实现说明：DFlash 使用轻量级 block-diffusion drafter 并行生成候选 token，再由目标模型验证。NVIDIA 称它在相同交互水平下，gpt-oss-120b 的吞吐量最高可提升 15 倍，并已可在 TensorRT-LLM、SGLang 和 vLLM 中使用。