SGLang 上的 DSpark 解码吞吐提升到 1.89 倍
BanghuaZ · x · 2026-07-23
一个面向 Inkling NVFP4 的 DSpark speculative decoding 实现，已经用 SpecForge 在真实的 SGLang 目标引擎上端到端训练完成。
- 在 8×B200 / TP8 / batch size 64 下，解码吞吐比非 speculative 基线提升 1.89×
- 在相同 batch size 下，比 Inkling 自带的 MTP 快 7–14%
- 平均 accept length 为 3.66，在 GSM8K 上最高到 4.76
实现要点：
- 5 层、Qwen3 风格的 DFlash parallel-draft backbone
- 用于块内依赖建模的 rank-256 Markov logit-bias head
- 逐位置 confidence head 预测可接受性
- 基于 40 万次 Inkling regenerations 做蒸馏
帖主还附了服务命令，邀请直接试用。
所属事件:开源 DSpark 推测解码器使 Inkling 吞吐量提升 1.89 倍(3 条相关)→
「Infra」频道最新
- Tenstorrent 融资 15 亿美元，估值 62 亿较去年翻倍以上 — Beth_Kindig · 2026-10-27
- Anthropic 拟向 SpaceX 采购 1205 亿美元算力,满载后月付约 31 亿 — XFreeze · 2026-10-27
- 恶搞：用 JEV 决策模型替换 Raft 共识，写入吞吐暴跌 99.98% — irombie · 2026-10-27
- Cadence 进入领域专用 AI 模型赛道,芯片设计自动化再加码 — karlfreund · 2026-10-27
- Qdrant 自研 Universal I/O:向量库 mmap 无缝迁移到对象存储 — qdrant_engine · 2026-10-27
- Nebius 获 Citi 35 亿美元融资额度用于 GPU 采购与数据中心 — Beth_Kindig · 2026-10-26