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 / lmhead，仍需从主模型 hidden state 做 KV injection
- targetlayerids 选到了 [0, 11, 23, 35, 47]，偏激进
- blocksize=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
- 影子算力市场走向台前,Meta 对外出售过剩 GPU 算力成标志性信号 — DavidLinthicum · 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