Llama.cpp 新增自适应推测解码，提速 50%
Dutchnamn · reddit · 2026-08-25
Llama.cpp 的一个 Fork 引入了“自适应推测解码”功能，以优化 Qwen3.8 等密集模型的推理性能。传统的 MTP 和 DFlash 需要固定参数，但不同内容类型（如结构化内容）需要不同设置。该新功能允许设置最小和最大值，引擎会根据内容自动调整建议的 Token 数量。实测表明，在 Strix Halo 上生成结构化内容时，速度从 44 t/s 提升至 65 t/s，相比主线版本提升高达 50%。
「Infra」频道最新
- 推理平台 engy.ai 单日处理超 500 亿 tokens,主打低价开源模型 — const_reborn · 2026-10-16
- 新推理引擎『e』单台 DGX Station 跑出 10500 tok/s 聚合吞吐 — brandon_galang · 2026-10-16
- SGLang Day-0 支持 FLUX 3 Image Klein：单图 10 参考图，BF16/FP8/NVFP4 多精度 — ying11231 · 2026-10-16
- 英伟达 Nemotron 3.5 Super VL 上线 CoreWeave：12B 激活参数多模态 MoE，输入仅 $0.25/百万 tokens — wandb · 2026-10-16
- 2026 晶圆厂设备支出上调至 1530 亿美元，设备周期被拉长 — BenBajarin · 2026-10-16
- Steam 更新实测 5.23 秒启动反超 Epic，网友调侃 vLLM 该加入「启动时间大战」 — AlpinDale · 2026-10-16