🧠 图解记忆： 自回归逐 Token 决定，块扩散在块内并行反复修正；收益要扣除去噪轮数和适配成本。

💡 答案要点

DFlash 是什么？

DFlash（Block Diffusion for Flash Speculative Decoding）是 2026 年 z-lab 发布的基于块扩散模型的投机采样方法，用于加速 LLM 推理。

指标	数值
论文	arXiv:2602.06036
支持框架	vLLM（nightly）、SGLang、Transformers
支持模型	Qwen3.5、Kimi-K2.5、LLaMA3.1 等 10+ 模型

核心原理：块扩散 vs 传统投机采样

传统投机采样（Speculative Decoding）：

小模型 → 生成 k 个候选 token → 大模型并行验证 → 接受/拒绝
问题：小模型生成的 token 质量有限，拒绝率高时效率下降

DFlash 改进思路：

用块扩散模型（Block Diffusion Model）作为 draft model
     ↓
块级生成：一次生成一个 block（多个 token）
     ↓
大模型并行验证整个 block
     ↓
接受率更高（因为扩散模型能捕捉更长依赖）

DFlash 提供的预训练 Draft 模型：

Draft Model	适用场景
z-lab/Kimi-K2.5-DFlash	Kimi 系列加速
z-lab/Qwen3.5-4B-DFlash	小模型加速
z-lab/Qwen3.5-9B-DFlash	中等模型加速
z-lab/Qwen3.5-27B-DFlash	大模型加速
z-lab/Qwen3-Coder-Next-DFlash	代码专用加速
z-lab/LLaMA3.1-8B-Instruct-DFlash-UltraChat	通用对话加速

为什么值得关注：

优势	说明
更高接受率	块扩散能捕捉更长依赖关系，draft 质量更高
端到端加速	与 vLLM/SGLang 原生集成，一行命令启用
多模型支持	开源 10+ 预训练 draft 模型，覆盖主流 LLM
支持代码场景	Qwen3-Coder-Next-DFlash 专门针对代码生成优化

vLLM 使用示例：

# 安装（需要 nightly build）
uv pip install -e ".[vllm]"
uv pip install -U vllm

# 代码中使用
from vllm import LLM, SamplingParams

# 启用 DFlash
llm = LLM(
    model="z-lab/Qwen3.5-9B-DFlash",
    speculative_config={
        "method": "dflash",
        "draft_model": "z-lab/Qwen3.5-4B-DFlash"
    }
)

面试话术：

示例表达（仅在能用本人经历或可复现实验佐证时使用）： "DFlash 是 2026 年投机采样方向的重大突破。传统投机采样用小模型逐 token 生成，DFlash 用块扩散模型一次生成一个 block（多个 token），大模型并行验证。关键是块扩散能捕捉更长依赖——比如代码中跨多行的逻辑关联，传统小模型很难预测，但扩散模型可以。实测在 Qwen3-Coder 上加速效果显著。而且 DFlash 已经与 vLLM/SGLang 原生集成，生产环境可用。2026 年面试如果问到推理优化，除了 PagedAttention 和 Continuous Batching，还要能说出 DFlash 的差异化思路。"

---