DFlash
一种投机解码（speculative decoding）加速范式，由独立的小型草稿模型批量提出候选token块，再由主模型单次前向并行校验，接受匹配部分并重采样不匹配部分，可获得较高加速比
时间轴 (近 90 天)
在 MLX 后端改动中，当草稿模型配置需要独立输出头时，加载草稿自有输出头，同时保留现有 DFlash 模型所用的目标头路径。
Ollama v0.40.10 的 MLX 后端支持以 DFlash 草稿模型为 Gemma 4 目标模型做投机解码。
在 MLX 推理路径上，当 draft 模型的配置需要时，v0.40.10-rc0 会加载 draft 自有的输出头（output head），同时保留现有 DFlash 模型所使用的 target-head 路径。
投机解码配置得当时token生成速度可提升约1.5倍（据vLLM报告）；Omer个人在家庭实验室用Qwen3 35B MoE搭配DFlash drafter，实测有2到3倍提升，编码场景接近3倍，浏览器自动化约1.5倍。
vLLM 团队与 Reflection AI、Inferact 合作完成了服务路径的联合优化，包括融合 kernel 和 DFlash。
在单张H100、相近实测准确率下，QwenDLM-4B + ORL达到1,298 tokens/s，DFlash为746 tokens/s，EAGLE3为405 tokens/s（端到端系统比较：ORL走dlmrt，投机解码走vLLM）。
Nemotron 3.5 Bolt 配套提供 LiLiCorr drafter 进行投机解码，通过 DFlash 实现，vLLM 配置中默认带 7 个投机 token。
Qwen3.8-27B是稠密模型，全部270亿参数参与每个token的计算，依靠MTP头预测后续token并在单次前向中验证；Ornith 1.5采用MoE架构，每token仅激活约30亿参数，配合DFlash由小型草稿模型提议token块再由主模型校验。
MiMo-V2.6内置DFlash投机解码机制，每步可草拟7个token
DFlash和DSpark在草稿生成效率和硬件适配上做了针对性优化，在特定模型和工作负载下可能反超经典方案
还有 1 条时间轴事件
全部知识事实 (11)
MTP与DFlash在架构上有本质不同，但都属于投机解码技术谱系
85%待验证在 MLX 后端改动中，当草稿模型配置需要独立输出头时，加载草稿自有输出头，同时保留现有 DFlash 模型所用的目标头路径。
50%待验证在 MLX 推理路径上，当 draft 模型的配置需要时，v0.40.10-rc0 会加载 draft 自有的输出头（output head），同时保留现有 DFlash 模型所使用的 target-head 路径。
50%待验证投机解码配置得当时token生成速度可提升约1.5倍（据vLLM报告）；Omer个人在家庭实验室用Qwen3 35B MoE搭配DFlash drafter，实测有2到3倍提升，编码场景接近3倍，浏览器自动化约1.5倍。
50%待验证vLLM 团队与 Reflection AI、Inferact 合作完成了服务路径的联合优化，包括融合 kernel 和 DFlash。
50%待验证Nemotron 3.5 Bolt 配套提供 LiLiCorr drafter 进行投机解码，通过 DFlash 实现，vLLM 配置中默认带 7 个投机 token。
50%待验证Qwen3.8-27B是稠密模型，全部270亿参数参与每个token的计算，依靠MTP头预测后续token并在单次前向中验证；Ornith 1.5采用MoE架构，每token仅激活约30亿参数，配合DFlash由小型草稿模型提议token块再由主模型校验。
50%待验证MiMo-V2.6内置DFlash投机解码机制，每步可草拟7个token
50%待验证DFlash和DSpark在草稿生成效率和硬件适配上做了针对性优化，在特定模型和工作负载下可能反超经典方案
50%待验证投机解码衍生出Medusa（多头预测）、EAGLE（利用主模型早期层隐藏状态生成草稿）、DFlash（混合布局优化）等多种变体
50%待验证Ollama v0.40.10 的 MLX 后端支持以 DFlash 草稿模型为 Gemma 4 目标模型做投机解码。
50%