小米 MiMo 发布 DFlash 加速方案
karminski3 · x · 2026-07-13
小米在 Hugging Face 上发布了 **MiMo-V2.5-DFlash**，而且 README 还没来得及更新，代码已经先放出来了。 这条帖子的重点不是“新模型有多强”，而是它的**推测性解码实现**：草稿模型采用的是 **block diffusion**，一次 forward 并行猜一整块 token，再交给大模型一次性验证。作者对代码做了拆解，指出这和传统 EAGLE 那类逐 token 自回归 draft 不是一条路线。 帖中还提到几个实现细节： - 编程场景下接受长度可到 6+，因此提速会很明显 - 草稿权重是单独拆出来的，本地文件约 2.94G - 它不是独立小模型，缺少 embed / lm_head，仍需从主模型 hidden state 做 KV injection - `target_layer_ids` 选到了 `[0, 11, 23, 35, 47]`，偏激进 - `block_size=8` 比论文和 Qwen 实现更保守，可能更稳但并行度略低 整体看，这是一个偏**推理加速插件/部署方案**的技术拆解，而不是单纯的新模型宣传。
所属事件:小米发布MiMo-V2.5-DFlash权重与代码(2 条相关)→
「Infra」频道最新
- 多节点 vLLM 经过拓扑调优，单用户吞吐升至 47 tok/s — TheZachMueller · 2026-07-21
- AI 辅助 GPU 调试用上 NVIDIA Nsight Systems 套件 — MonaJalal_ · 2026-07-21
- Databricks 称向量检索加 AI Classify 比前沿模型便宜 100 倍 — hanlintang · 2026-07-21
- Gemini Batch API 延迟降 80%，Google 还加入部分批处理支持 — OfficialLoganK · 2026-07-21
- Kimi K3 低价是技术突破，还是中国成本优势 — Burning_magic · 2026-07-21
- 中国算力、SeedAudio 与飞书 ARR 同步更新的 AI 资讯汇总 — APPSO · 2026-07-21