同台对比：DFlash 与 DSpark 到底差在哪

1. 共性：都是投机解码

DFlash 与 DSpark 都建立在推测解码（Speculative Decoding, SD）范式上：小草稿模型并行出块、目标大模型并行验证、靠拒绝采样保分布（零质量损失）。二者都不是“新模型”，而是解码 / 服务层的加速方案。

下文逐维度拆开看它们的不同。

2. 维度对比

维度	DFlash	DSpark
来源	Z Lab + SGLang + Modal（2026-06-15 博客）	DeepSeek + 北大（2026-06-27 开源，MIT，deepseek-ai/DeepSpec）
草稿范式	Block Diffusion：一次前向并行预测整块 masked future tokens	Semi-Autoregressive + Markov head：块级并行出块，马尔可夫头注入块内顺序依赖
条件化 / 顺序建模	Target hidden-state conditioning + KV injection（跨层注入 target 特征，维持高接受率）	马尔可夫头注入块内顺序依赖
验证调度	固定 block size（默认 16）标准并行验证	置信度调度器动态调验证长度（高置信多验证、低置信少验证）
执行层优化	Spec V2 引擎 + overlap scheduler：消除 host-device 同步空转（再 +33%）	侧重算法层，执行依赖宿主引擎（vLLM / SGLang）
公开效果	Qwen3-8B 最高 6×（比 EAGLE-3 快 ~2.5×）；Blackwell 上 15×	V4 加速 57–85%、吞吐 +400%
生态状态	SGLang 主支持、vLLM PR #16818 in progress，含 Qwen3 系列多档 drafter	vLLM PR #46995 合入中，同时支持 SGLang / OpenInfer

3. 关键区别一句话

DFlash 革的是「草稿的并行方式（自回归 → 块扩散）」+「执行引擎（消除 host-device 同步空转的 overlap scheduler）」。
DSpark 革的是「草稿块内的顺序建模（半自回归 + 马尔可夫头）」+「验证长度的动态调度（置信度调度器）」。

4. 为什么正交可叠加

DFlash 改的是“草稿怎么生成”和“怎么执行”，DSpark 改的是“块内顺序怎么建”和“验证多少 token”。它们作用在不同层面，因此正交：OpenInfer 能在 Qwen3-4B 上同时挂两套路径——一端是 DFlash 的 block-diffusion drafter + KV injection + overlap scheduler，另一端是 DSpark 的 semi-AR drafter + Markov head + confidence scheduler。

5. 一个常见的误区

DFlash 与 DSpark 正交可叠加，但二者并非“并联同时跑两套草稿”。更可能的实现是：共享同一套 verify 流水线，只是 draft 阶段在两种方案间互换。具体实现以 OpenInfer 代码 / 官方博客为准。