FlashMap 发布：连续流映射实现单次前向传播投机解码
作者：▲ Marktechpost AI (@Marktechpost)原标题：FlashMap, a speculative decoding drafter that writes a whole block of tokens jointly, in 1 forward p...
78AI 研判分
FlashMap 是一种新型投机解码草稿模型，通过连续流映射替代离散扩散，在单次前向传播中联合生成整块 Token。在 Qwen3-8B 上实现最高 6.14 倍无损加速，平均比重训 DFlash 快 7%，且参数量减半（0.5B vs 1B）。目前 Apache-2.0 权重与 MIT 代码已开源，支持 vLLM 和 SGLang。
报道正文
▲ Marktechpost AI · 2026-10-28 08
FlashMap，一种推测解码（speculative decoding）草稿模型生成器（drafter），能够在单次前向传播中联合写入整个 token 块。
其核心思想是将离散扩散替换为连续流映射（continuous flow map）。像 DFlash 这样的扩散式草稿模型会独立预测每个槽位，因此生成的草稿可能混杂“new”与“diego”等不连贯内容。而 FlashMap 将单个噪声样本映射为一个完整的 token 块，从而确保这 16 个 token 保持一致性。
在 Qwen3-8B 上，单步 FlashMap 实现了高达 6.14 倍的无损加速，并在全部 9 项基准测试中超越了重新训练的 DFlash，平均速度快约 7%。它仅使用一个 0.5B 参数的草稿模型，而 DFlash 使用的是 1B 参数模型。不过这也存在权衡：单步草稿在块的后部槽位接受率较低；且在温度为 0 时，在 Qwen3-4B 上有 4/9 的任务表现落后于 DFlash。
Qwen3-8B 和 Qwen3-4B 的草稿模型现已发布，采用 Apache-2.0 权重和 MIT 代码，并支持 vLLM 0.31 和 SGLang 0.5.20 插件……
完整分析：
