BTC负gamma带紧贴现价下方，ETH主力Put买盘740张 BTC 81,818 Gamma集中在90K（占15.4%，净+15.3%）、95K（10.7%，净+10.6%）两档（30OCT26），全为Call端主导，合占正gamma的六成一，分别在现价上方10.0%、16.1%，是上方最重的两道远端墙；现价贴着82K（净+1.3%），下方则由80K（净-2.2%）、79K（净-2.2%）、78K（净-3.0%）连成一条负gamma带，就在现价下方2%-5%，其中78K最重、占负gamma总量17.3%。全表负gamma合计相当于总gamma的17.1%，已到正gamma（42.2%）的四成。24h跌1.75%，盘中最低80,350。 偏斜约-3.0%（30OCT26 87000-C IV 33.7% vs 77000-P IV 36.7%，均近25-delta），Put端溢价约3个百分点。 VRP约+1.3%（30OCT26 HV 32.4%，ATM IV 33.6%），IV略高于HV，定价中性。 30OCT26成交1,002张，Put买408张对卖336张、Call买181张对卖76张。最大单笔是一笔Put对角（PDIAG-25DEC26_30OCT26-70000_77000，BLOCK-302292）：买30OCT26的77,000-P 100张（IV 37.1%）、对卖25DEC26的70,000-P 100张；另有一笔Call比率价差（CSR12-30OCT26-84000_88000）买84,000-C 25张对卖88,000-C 50张，上方收租；25DEC26的90,000-C被买183张（IV 38.1%）为远端最大单笔。 ETH 2,479 Gamma集中在2300（占14.5%，净-13.1%）、2400（11.0%，净-5.2%）两档（30OCT26），均为Put端主导，合计占负gamma的53.9%，是全表最重的两处，其余负值分散在2650（净-2.8%）、2350（净-2.3%）、2200（净-1.8%）等档；全表负gamma合计-33.9%，已压过正gamma的+20.9%。现价2,479夹在2500（净+1.4%）与2400之间，上方0.8%是2500、下方3.2%是2400；正gamma最强是3000（净+3.8%，占正gamma18.1%），远在上方21.0%。24h跌3.63%，盘中最低2,405。 偏斜约-2.8%（30OCT26 2700-C IV 45.6% vs 2300-P IV 48.4%，均近25-delta），Put端溢价近3个百分点。 VRP约+4.4%（30OCT26 HV 40.8%，ATM IV 45.2%），隐含高出实际4个多点，期权偏贵。 30OCT26成交1,025张，Put买740张对卖54张，几乎是单边扫入保护，最大单笔2,300-P买500张（IV 48.5%）；Call端3,000-C被卖50张（IV 54.8%）。近端9OCT26同样一边倒，成交5,273张、Put买2,774张对卖505张，2,400-P买500张（IV 64.5%）、2,300-P买132张（IV 79.6%）；远月25DEC26转为Call主导，2,800-C被买3,120张（IV 50.7%）、3,300-C被卖2,500张（IV 52.9%）。 （冰火岛期权笔记｜2026-10-09）

同一批基准里，本地跑的 DeepSeek V4 Flash 加上 J-Space 控制层之后，在大多数任务上压过了不加控制层的 V4 Pro。 《DeepSeek V4 × J-Space 能力释放报告》 DeepSeek V4 × J-Space：Benchmark 与工程观察记录 © 2026 Tiger3807861189，本记录采用 CC BY-ND 4.0（署名-禁止演绎）许可。 页面范围：本记录整理外部项目已经公开的工程观察、J-Space 使用的操作性术语、项目级 Benchmark 分数及其适用边界。它不是研究论文，非学术性质，不提供模型内部机制证明、形式化判定方法、消融设计或因果贡献分解。 J-Space Cognition Suite V3.6 是一套在推理阶段运行的模型无关控制系统，不修改模型权重。项目地址： 一、外部工程观察 1.1 Anchored Standard：首轮接口锚定 dsh-anchored-standard（ DeepSeek Harness 的首轮接口条件。其基础方案在第一次模型请求中恢复 Minimal 的真实双工具 Schema，抑制自动注入内容；会话产生持久事件后，再开放一个较小的常驻工具目录，并按需解锁其他工具。 该项目的公开实验表明，首轮工具 Schema、输出预算和自动注入内容都可能改变首条推理轨迹。它也明确区分了"轨迹被锚定"和"任务能力已经稳定提升"：当前仓库中的通用组合与早期高分运行并不完全相同，小样本独立复现尚不足以确定稳定的能力增益幅度。因此，本记录只引用其接口敏感性与路径保持观察，不把单项分数推广为普遍结论。 1.2 Routing Suite：任务感知的入口选择 dsh-routing-suite（ 与工具面装配，把新会话送入不同的行为带。其公开材料报告了稳定区域和不稳定过渡区域，并据此避免把连续数值旋钮误当成可连续调节的推理深度。 该项目后来对早期"官方刻意设计双吸引子""自路由绝对不可能"等强归因作出了公开勘误（ mixed 表示不稳定的过渡或竞争区域，不等于一种兼具短、长思维优点的可用中间态。 二、思维链二极管 2.1 操作性定义 本记录所称思维链二极管（chain-of-thought diode），是一个面向黑盒行为的工程术语：在同一个会话中，连续思维链会稳定落入以下两种形态之一： • 短思维直觉：较快形成判断并进入行动，推理块较短； • 长思维推理：先展开较长的分析、重估与规划，再决定是否行动。 两种形态在同一会话中不能稳定、按任务阶段自然地共同出现；首轮形成路径承诺后，后续思维链通常延续同一侧。外部实验中偶尔出现的词汇混合或不稳定过渡，不构成能够同时利用两侧优势的中间态。 这一术语描述的是会话级轨迹，而不是某一句话或某一个词。We need、Let me 等表达最多只能作为外部探针，不能单独证明模型能力、推理质量或内部状态。 2.2 形成原因：极简接口过拟合假说 J-Space 采用的工程诊断是：DeepSeek 的 Agent 后训练行为可能与 DSH 极简模式的接口分布形成了过强耦合。极简 persona、首轮工具 Schema、自动注入边界和输出条件共同构成接口指纹；当实际 Harness 接近这一分布时，一类轨迹更容易被唤起，接口发生变化时则可能落入另一类轨迹。 这里的"过拟合"是对黑盒条件敏感性的工程概括，不表示已经获得 DeepSeek 的训练数据、隐藏状态或官方内部解释。现有公开证据支持"接口条件与轨迹变化相关"，但不足以从外部还原完整训练机制。 2.3 两侧的结构性弊端 • 短思维直觉：过早接受第一个流畅解释；复杂约束整合不足；跳过必要中间桥接；工具证据利用不足；局部测试成功后过早宣布完成。 • 长思维推理：分析惯性和行动延迟；反复推翻或重建已有判断；工具调用过晚；Token 与时间消耗增加；长程状态漂移；信息已经充分仍难以收束。 因此，二极管带来的主要工程问题不是某一侧必然更差，而是会话无法随任务阶段稳定调整推理形态：需要桥接时可能过快，需要行动时又可能持续推演。 三、三套方案的浅层关系 • Anchored Standard：作用于首次模型请求的接口条件。恢复已知的 Minimal 接口指纹，尽量让会话从入口进入并保持一条稳定轨迹。 • Routing Suite：作用于新会话开始前的任务分类与模式选择。根据任务选择较适合的稳定行为带，并回避不稳定过渡区域。 • J-Space：作用于会话进入轨迹后的完整任务生命周期。不宣称消除二极管，而是通过状态、行动、验证与恢复机制缓解会话落入任一侧后的结构性弊端。 三者可以被理解为入口恢复、入口选择和持续任务控制三个不同层面。这是一种便于工程使用的关系整理，不表示三套方案已经在统一 Harness 下完成组合实验，也不构成效果排名。 3.1 J-Space 对两侧弊端的浅层处理 当会话偏向短思维直觉时，J-Space 使用 bridge-before-conclusion、共享约束广播、Empirics、verifier 与 coverage，要求快速判断在交付前补足必要桥接、证据和验证范围。 当会话偏向长思维推理时，J-Space 使用功能性第一人称、明确的 Next、有限候选、差分测试与 checkpoint，把已经形成的判断绑定到行动、取证或收束，减少无新增约束的反复推演。 对于两种形态，Goal / Core / Verified / Open / Next 账本、工具接缝刷新与恢复机制负责维持跨文件、跨工具和长时间任务状态。这些机制调节外部任务过程，并不等同于让模型在同一会话中自由切换两种底层思维链。 四、Benchmark 记录 4.1 评测上下文 J-Space 在 DeepSeek 上的项目评测参照官方 Harness 极简模式。J-Space 通过工作空间路由、状态连续性、验证与恢复参与推理时流程。 结果形成于项目现有的评测环境。硬件条件、进程隔离、工具可用性与信息访问边界共同构成评测上下文；可访问资料及执行轨迹也可能影响观测结果。 以下汇总上述条件下的项目级 Benchmark 记录。其他模型的数据保留各厂商公开评测时的原有上下文，不同环境与 Harness 配置下出现分数变化属于正常现象。各 Benchmark 使用自身原生分数，数值越高越好；"—" 表示没有报告结果。 4.2 分数记录 顺序固定为：V4-Flash-0731 裸跑、V4-Flash-0731 + J-Space、V4-Pro-0813 裸跑、V4-Pro-0813 + J-Space、GLM-5.3、Kimi-K3、Opus-4.8、Fable 5（带 fallback）。 • HLE（无工具）：37.8、45.5、42.7、48.0、未报告、43.5、49.8、53.3（全场最高） • HLE（有工具）：51.5、60.6、60.0、67.7（全场最高）、62.5、56.0、57.9、63.0 • Terminal Bench 2.1：82.7、87.1、87.9、90.1（全场最高）、88.2、88.3、85.0、88.0 • NL2Repo：54.2、70.2、61.5、73.4（全场最高）、58.0、58.0、69.7、未报告 • CyberGym：76.7、81.7、83.3、86.8（全场最高）、84.5、80.0、78.3、83.1 • DeepSWE：54.4、67.4、62.7、72.0（全场最高）、66.9、67.5、58.0、70.0 • Toolathlon-Verified：70.3、77.7、74.1、79.5（全场最高）、73.0、76.5、76.2、77.9 • Agents' Last Exam：25.2、30.1、25.7、30.3（全场最高）、28.5、27.6、25.7、23.8 • AutomationBench（Public）：25.1、31.7、31.8、38.2、48.2（全场最高）、30.8、27.2、29.1 4.3 Benchmark 与二极管弊端的定性对应 • HLE（无工具）：短侧可能过早下结论，长侧可能在知识边界之外无效延伸；J-Space 对应必要桥接、置信控制与独立复核。 • HLE（有工具）、CyberGym：短侧可能少用或少整合证据，长侧可能迟迟不进入工具取证；对应 Empirics、工具接缝与验证覆盖。 • Terminal Bench：短侧可能快速执行但遗漏核验，长侧可能分析过度、行动延迟；对应明确的 Next、诊断重试与 checkpoint。 • NL2Repo、DeepSWE：短侧可能丢失跨文件约束，长侧可能反复重建计划；对应共享广播、Loop 账本与持续验证。 • Toolathlon-Verified：短侧可能跳过编排检查，长侧可能困在工具选择和重新规划；对应共享状态、接缝审计与 coverage。 • Agents' Last Exam、AutomationBench：异构任务或长间隔会放大固定路径与任务阶段的错配；对应选择性 pass、持久状态与恢复。 上述对应关系是工程解释，不是从分数反推出内部状态的证明。当前 Benchmark 记录没有逐次标注会话所处的二极管状态，因此不能据此计算二极管对分数的贡献比例，也不能把全部分数变化归因于单一机制。 4.4 数据来源 • DeepSeek V4-Flash-0731 模型卡： • 智谱 AI（ GLM-5.3 发布评测记录 • Kimi-K3 模型卡： • Claude Fable 5 与 Claude Mythos 5 System Card： • J-Space Cognition Suite V3.6 README： 五、适用边界 • 思维链二极管和极简接口过拟合属于黑盒工程诊断，不是 DeepSeek 官方披露的模型结构或训练事故。 • 词汇、首行风格和思维链长度只能作为轨迹探针，不能替代任务完成、工具行动、验证覆盖和得分。 • Anchored Standard、Routing Suite 与 J-Space 的关系是作用层面的整理，尚未经过统一组合实验验证。 • 当前分数是项目记录，不足以建立跨模型普遍性，也不支持精确的因果贡献分解。 • J-Space 不创造基础模型缺少的知识，也不保证对所有任务、模型或 Harness 产生正向变化。 引用：工程使用请引用 J-Space Cognition Suite V3.6（ 原文： #DeepSeek# #J-Space# #本地AI#

ARK 上一交易日买入 4.1 交易日 2026-10-02，买入 8 笔合计 45.2M 美元，卖出 2 笔合计 1.1M 美元（来源 ARK 每日持仓 10-02）。 4.2 逐笔明细： $CBRS ARKK 买入 13.7M 占ETF 0.17%； $BWXT ARKK 买入 9.8M 占ETF 0.12%； $CBRS ARKW 买入 6.3M 占ETF 0.30%； $NTLA ARKK 买入 5.1M 占ETF 0.06%； $AMZN ARKW 买入 4.2M 占ETF 0.20%； $ABNB ARKF 买入 2.6M 占ETF 0.30%； $DASH ARKF 买入 2.2M 占ETF 0.25%； $NTLA ARKG 买入 1.3M 占ETF 0.06%（来源 ARK 每日持仓 10-02）。 4.3 去重合并：CBRS 20.0M，BWXT 9.8M，NTLA 6.4M，AMZN 4.2M，ABNB 2.6M，DASH 2.2M； 两只以上基金同时买入为 CBRS（ARKK+ARKW）与 NTLA（ARKG+ARKK）（来源 ARK 每日持仓 10-02）。 4.4 买入集中在基因编辑与核电军工主题

今天又到了4月的最后一天，明天就是5月 祝小伙伴们 5.1 快乐 总结了一下这个月的总收入，不但没有盈利 还亏的惨不忍睹 说说币安 Alpha,、群友说有人发帖子说3月赚了5000多美金,纯利润 我想不是高手，就是号很多很多 我之前也不记录刷交易量多出来的损耗，因为怎么都是赚 除了有个月被KOGE🈹挺惨的，剩下月份的收益还可以 我从2月开始记录我每天刷号的成本，可能是我刷的技术太差了 对比下来是一个月比一个月难刷，损耗还多 但是收益确一个月比一个月少 怪不得刷Alpha的人急剧减少 下图是我从4.1-4.30每天比正常多损耗的USDT 刷16分我按照3.5USDT本金每个号算的 刷15分按照1.7USDT本金算的 声明没几个号，不超过一只手的数量 今天走了快2万步，明天会走更多步 但是每天还是按时刷ALpha 别问为啥，只要不亏钱就一直刷 为了情怀，不刷会感觉今天少了点啥 又趁着节假日出门了，拥抱人山人海🤣 本来应该这个月多点收益，奈何昨天在飞机上，没办法抢Alpha

4月Bg千万俱乐部直接放大招，给VIP发苹果旗舰礼盒！我看不少朋友已经在群里讨论了。 统计周期从4.1-4.30，最终快照就在4月30日，时间这么充裕，完全来得及慢慢冲量。想拿礼盒的兄弟姐妹们，最近交易量够的赶紧规划一下，冲个VIP月底直接领奖，苹果的东西用着就是舒服～

国家统计局数据显示，5月中国工业增加值同比增长4.5%，较4月修正后的4.1%（为2023年7月以来最低增速）有所加速，并超出市场预期的4.3%。其中，制造业同比增长4.4%，电力、热力、燃气及水生产和供应业增长7.6%，而采矿业增速放缓至2.3%。在41个主要行业中，有28个实现增长，例如计算机和通信设备制造业增长17.0%，汽车制造业增长8.3%，而非金属矿物制品业则下降5.6%。今年前五个月，工业产出累计增长5.4%。从环比看，5月工业产出增长0.4%。 来源：边际Lab x FinGraph财经图集

尤其在中国，钱是按位置分，不按人头分 4%：全国不到 4% 的人，在公务员、事业编、国央企、世界五百强。 3/4：这 4% 的人，分走社会财富的四分之三。 3.7 年：剩下 96% 的人进的民营企业，平均寿命这么长。 1270 万：2026 届高校毕业生，历史新高。 而那 4% 的人，分走 3/4 的财富。 这 96% 的人，分剩下的 1/4。 为什么。因为钱不是按人头分的，是按位置分的。 同样本科毕业，同样每天八小时。 国央企基层 6-8K，爬到中层要 6-7 年。 外资五百强基层 12-18K，3-4 年上中层。 民营跨度最大，3K 到 3W 都有。 还有一层，是城市。 北上广深整体上浮 30-50%，三四线整体下浮 20-40%。同一个岗位，换个城市，差一倍。 其实大部分人只有一种卖法，卖时间。 上班，是把一天卖给公司。加班，是把晚上也卖出去。接私活，还是按小时卖。 时间有两个硬限制。一天只有 24 小时，能卖的年限也有限。 李笑来算过一笔账。一个人一生里，能合法出售的时间，只占他一生的 10%。 扣掉睡觉、吃饭、通勤、未成年和退休，真正能拿出来卖的，就这么多。 用这 10% 去换线性收入，天花板是看得见的。 所以另一件事得同时做。 普通人改命，不靠赌对哪一年，靠两样一起攒，一边攒能力，一边攒本金。 财商学校不教，但能自学。 第一步不是学炒股，是学存钱。 工资到账先切一块，哪怕只有百分之十，剩下的再花。 这笔钱不动，它就是以后所有选择的底气。 闲钱往哪放。 我的建议很笨，年轻人定期买入标普 500。 不猜点位，不赌个股，一个月买一点，跌了照买。 它装的是美国最大的五百家公司，你买的是这套系统自己往前滚。 不快，也不刺激，但它不逼你天天盯盘，也不逼你继续卖时间。 会买是第一步，能拿住是第二步。 大多数人卡在第二步。 坚持20年，尤其是中国的当代年轻人。你会感谢自己。

权贵们绕开高考走捷径：北理工裴轶和协会 4+4 一个路数 ​千万考生挤破头的高考，是国内最标准化、透明度最高的人才筛选机制。但近些年，不少人摸索出一套脱离高考赛道的 “学历包装路径”：北理工裴轶的求学履历，和各类协会鼓吹的 4+4 升学项目，底层逻辑高度相似 ——绕开高考这套硬考核，借助海外学制、项目通道，快速搭建光鲜的学历履历，用包装后的文凭，去换取国内体制内、高校的入场资格。 ​所谓协会推广的 4+4 项目，主打卖点就是绕过高考和统考的激烈竞争，通过本科加专业博士连读的项目设计，规避标准化考试筛选，用一套特殊培养通道，快速拿到博士学位。它宣传的核心卖点不是层层严苛考核，而是避开高考、考研的激烈竞争，利用项目规则形成升学捷径。本质是利用不同国家、不同体系的学历规则差异，跳过国内统一的标准化选拔门槛。 ​有意思的是，这两年被扒出来的案例，套路如出一辙。先说出国读个一年制硕士——英国、澳洲、东南亚，哪个便宜去哪个，门槛低到中介跟你说“交钱就行”。拿到洋文凭之后，掉头回国申请名校博士。国内不少高校的博士招生走的是“申请-审核制”，不考试，看材料，导师点头就能进。这条路绕开了高考，也绕开了考研，连博士统考都用不着。 ​裴轶走的就是这个模板。本科天津师范大学，双非；然后利物浦大学一年硕、南安普顿大学一年硕，全是英国一年制授课型项目。两段英硕读完，回国考进南开大学读法学博士，再进中国政法大学做博士后，2021年入职北京理工大学法学院。问题来了，北理工官网的教师简历里，本科那一栏是空白的。网友一扒才发现，第一学历是天津师范大学。不是学校不好，而是这条路径本身就透着一种精心设计的“躲闪”——把不够亮眼的起点藏起来，把海外文凭堆在最显眼的位置。 ​这套玩法之所以能跑通，靠的是信息不对称。国内大多数人对海外学制并不了解，看到“英国硕士”四个字就觉得含金量高，看到“南开博士”“法大博士后”更是肃然起敬。但圈内人都清楚，英国一年制授课型硕士跟国内三年制学术型硕士，压根不是一个东西。前者以课程为主，写篇小论文就毕业；后者要做研究、发论文、过盲审。把这两种东西混在一起当“学历阶梯”来用，本质上就是在套利。 ​更值得琢磨的是资格审查这道关。高校引进教师，看的是最终学历和学术产出，中间的过程性信息——本科在哪读的、硕士怎么拿的、博士是不是统考进去的——往往不会逐项深究。这就给了“学历包装”操作空间：把不够体面的环节模糊掉，把光鲜的头衔排成排，审查者看到的是一份漂亮的履历，而这份履历背后的真实能力如何，反倒没人去追问。 ​说白了，这类捷径之所以让人愤怒，不光是个人道德问题，而是它侵蚀了一个基本共识：学历应该对应能力，筛选应该基于公平。当有人能用钱和规则缝隙换到名校入场券，那些老老实实刷题、考试、写论文的普通考生，就成了这条捷径的成本承担者。 ​好在监管层已经开始收紧。2026年中留服认证新规落地，认证范围大幅缩小，全球270所海外院校被移出认证名单，境外停留时长成为硬性审核指标。今年1到4月，99名认证申请人因提交虚假材料被公示通报。这些动作传递的信号很清楚：学历认证的口子正在扎紧，“水硕”“水博”浑水摸鱼的空间只会越来越小。 ​但认证收紧只是堵住了文凭本身的漏洞，真正的问题在于用人端——“唯学历”的评价惯性不变，包装的需求就不会消失。当一所985高校在招聘中把“海外经历”当成硬通货，当一个体制内岗位的简历筛选系统自动过滤掉“双非”本科，那些有能力但起点不够漂亮的人，还是会被逼着去找捷径。 ​学历包装这件事，暴露的不只是几个人的履历问题，而是整个社会对“学历信号”的过度依赖。你觉得，用人单位到底是真需要那张文凭，还是只是需要一个省事的筛选标签？

一图看懂｜特斯拉 $TSLA 2026 年二季度财报 7月23日，美股盘中三大指数继续走低，特斯拉股价大跌14%，谷歌跌7%，亚马逊、 Meta 跌4%....麻了 简单解读一下特斯拉二季度财报，建议大家还是观望： 1/ 卖车这边其实不差：收入 282 亿美元，超预期约 263 亿，同比 +26%；交付 48 万辆，同比 +25%，二季度创纪录 2/ 但利润很弱：调整后每股收益 0.33 美元，预期约 0.51；毛利率 16.8%、运营毛利率只剩 1.4%，都明显低于市场预期 3/ 账上「赚到的」有水分：GAAP 净利约 11 亿美元里，大约 10 亿是 SpaceX 股权浮盈；经营利润本身只有约 4 亿 4/ 现金在疯狂烧：自由现金流亏损约 11 亿美元；资本开支 58 亿，同比翻倍还多，全年投入还会继续抬 5/ 市场对特斯拉的自动驾驶和机器人不满意：FSD 订阅 148 万、北美新车开通率超一半；Cybercab 已投产、Robotaxi 开了七城、Optimus 产线在装——但电话会里说扩张和量产都不会很快 6/ 储能很一般：部署量可以看，毛利率电话会口径大约只有 20% 出头，还含大额质保，长期指引也没那么高 我个人还是挺看好 $TSLA 的，他们做的生态叙事很难不让人心动啊🫨🫨。但现在理智来说还是建议观望吧... 公开材料整理，不构成投资建议

投机解码的 drafter 从来都是一个 token 一个 token 地猜。做出 DFlash 的推理公司 Inco AI 说这没必要：正确的 token 本来就在候选列表里，整块并行预测之后挑出一条连贯路径，输出不变，每次验证多赚一个完整的 token。 《DFlash 2：保持并行起草》 推理是 agent 时代的瓶颈。agent 会读、会规划、会调用工具，常常一跑就是几小时甚至几天。它们消耗 token 的速度，是聊天场景从未达到过的。而每一个 token 都要在模型上跑一次完整的前向传播。在 Inco AI，我们在构建一套面向未来 token 经济学的推理栈。这篇文章是一次预览。 我们的团队 1 月发布了 DFlash（论文： SGLang、vLLM、TensorRT-LLM 和 llama.cpp 里。NVIDIA 在 Blackwell GPU 上用它测到了最高 15 倍的吞吐；Google 报告在 TPU 上每秒 token 数提升 3 倍；CoreWeave 生产环境的 Kimi K2.7 Code 端点（Artificial Analysis 上该模型最快的端点）默认就跑 DFlash。生态已经在它之上构建：NVIDIA、Red Hat、Modal 都发布了 DFlash drafter；Meta（Muse Glimmer）、Poolside（Laguna）、小米（MiMo-V2.5-Pro）、NVIDIA（Nemotron 3.5 Lightning）随自家模型发布官方 drafter。在 Hugging Face 上，DFlash 模型被下载了超过 350 万次（截至 2026 年 8 月）。 投机解码是现代推理栈的核心组件之一。一个小 drafter 模型猜出一整块 token，目标模型在一次前向传播里验证整块。猜得好，一次前向变成多个 token；猜得差，丢掉重来。但多年来，起草本身一直是自回归的：一次一个 token。DFlash 让它也变成了一次通过：整块、每个位置，并行预测。 （演示视频：DFlash 2 在 Apple M5 Max 上用 oMLX 为 Qwen3.8-27B 起草，与自回归解码并排对比。 DFlash 2 把并行起草又往前推了一步：每次验证通过多产出 20% 以上的输出，增加的周期延迟只有约 1%，而输出可证明不变。跨基准测试的增益在 16–25%。配合今天发布的 Qwen3.8-27B drafter，SGLang 在 batch size 1 下达到自回归解码 2.7–3.4 倍的吞吐。每个位置独立预测，留下两处空间：选对 token，以及在块的末尾守住准确率。DFlash 2 把这两处都拿了回来，同时没有放弃一次性通过的设计。 现在就能跑 DFlash 2 已经跑在主流推理引擎里。 SGLang： pip install -U "sglang[all] @ git+" python -m sglang.launch_server \ --model-path Qwen/Qwen3.8-27B \ --speculative-algorithm DFLASH \ --speculative-draft-model-path incoai/Qwen3.8-27B-DFlash2 \ --speculative-num-draft-tokens 8 vLLM： pip install -U "vllm @ git+" vllm serve Qwen/Qwen3.8-27B \ --speculative-config '{ "method": "dflash", "model": "incoai/Qwen3.8-27B-DFlash2", "num_speculative_tokens": 7 }' llama.cpp： git clone cd llama.cpp git fetch origin pull/27342/head:pr-27342 git switch pr-27342 NVIDIA CUDA cmake -B build -DCMAKE_BUILD_TYPE=Release -DGGML_CUDA=ON cmake --build build -j Apple Silicon cmake -B build -DCMAKE_BUILD_TYPE=Release -DGGML_METAL=ON cmake --build build -j ./build/bin/llama-server \ -hf ggml-org/Qwen3.8-27B-GGUF:Q4_K_M \ -hfd incoai/Qwen3.8-27B-DFlash2-GGUF:Q4_K_M \ --spec-type draft-dflash \ --spec-draft-n-max 7 oMLX：下载安装支持 DFlash 2 的预构建版（ 在 oMLX 里跑 Qwen3.8-27B 加 DFlash 2： 1. 打开 oMLX 的 Model Downloader，下载 mlx-community/Qwen3.8-27B-4bit 和 incoai/Qwen3.8-27B-DFlash2。 2. 打开 Model Manager，编辑 mlx-community/Qwen3.8-27B-4bit，配置 DFlash： • DFlash：enabled • Draft model：incoai/Qwen3.8-27B-DFlash2 • Draft quantization：enabled • Runtime block size：5 • Verify mode：dflash 3. 保存设置，加载目标模型。 对的 token 早就在候选里 DFlash 每个位置独立、并行地预测。每个选择单独看都合理，但没有什么让它们彼此咬合，一个不连贯的块会在验证时被截断。近期的方法如 Domino 和 DSpark，用顺序的 Markov head 重写每个位置的完整词表分布来买连贯性。但真的需要这种昂贵的自回归纠错吗？ 不需要。证据就在 DFlash 自己的候选列表里。拿第一个位置来说：DFlash 的第一选择 85.4% 的情况下是对的，但正确的 token 99.5% 的情况下都在前 16 个候选里。即使第一选择错了，对的 token 通常也在列表上。 表 1：Recall@1（第一选择正确的概率）与 Recall@16（正确 token 出现在前 16 候选里的概率），按起草位置统计，条件是前面每个位置都正确。GSM8K 上的五层 Qwen3-4B DFlash。接受长度包含验证器产出的下一个 token。 • 位置 0：Recall@1 85.4%，Recall@16 99.5% • 位置 1：80.3%，97.3% • 位置 2：79.4%，94.8% • 位置 3：78.3%，92.6% • 位置 4：77.5%，90.8% • 位置 5：75.9%，89.4% • 位置 6：72.9%，87.8% • 接受长度：4.27（只看第一选择）；6.79（从前 16 里选） 一个总能从前 16 个候选里挑对的那个 oracle，会把接受长度从 4.27 抬到 6.79。这个差距是纯粹的选择空间。我们只需要在候选里选出一条正确的路径。 图 1：一个周期里的选择器。只用 DFlash，每个位置保留自己的第一选择；这里两个相邻位置选了同一个词，结巴在验证时死掉。DFlash 2 保留每个位置的 top 候选，选择器在候选之间走出一条连贯路径；这里整块都活了下来。 一个轻量的路径选择器 连贯性大体是局部的：一个候选合不合适，主要取决于它前面的那个 token，所以给相邻对打分应该就够了。DFlash 2 保留每个位置前 16 个候选，给每一对相邻候选打分。对前一个 token a 和当前候选 b： S_t(a,b) = U_t(b) + ⟨A(a)⊙H(h_t), B(b)⟩ 分数分两部分。第一部分 U_t(b) 是 DFlash 自己的 logit：drafter 本身有多喜欢 b。第二部分问 b 接在 a 后面有多顺：A 和 B 给每个 token 一个紧凑的 256 维嵌入，两个嵌入在一个上下文门控 H(h_t) 下匹配，门控决定匹配的哪些部分算数。本质上，这是对相邻候选做的低秩双线性注意力。 打分全程并行。每个位置的每一对相邻候选一次性全部算完，不需要额外的 backbone 或 LM head 前向。唯一串行的部分，是最后在预计算好的分数上走一遍：从最后一个已验证 token 出发，贪心地跟着每一步最好的后继走，采样从同样的分数里抽取，拒绝采样恢复出精确的目标分布。 表 2：只加路径选择（不加卷积）的接受长度，GSM8K 上的五层 Qwen3-4B。开销相对纯 DFlash：drafter 增加的参数、起草-验证周期增加的延迟。 • DFlash：T=0 下 4.27，T=1 下 3.78 • + DSpark 纠错：+77.8M 参数，+9.6% 延迟；4.49，4.08 • + 路径选择（我们的）：+2.0M 参数，+0.6% 延迟；4.61，4.25 选择器在 T=0 下给 DFlash 加 0.34 个 token，T=1 下加 0.47。两个设置下都超过 DSpark 的纠错，参数少约 40 倍，延迟开销低 16 倍。选择比预测便宜。而且还有空间：oracle 能到 6.79。成对打分是我们能想到的最简单的选择器，我们相信这里还有很多可探索的。 后缀衰减是个局部问题 我们还注意到上面两行 recall 都在块尾下滑。连 oracle 都在衰减：即使选择完美，准确率仍然从第一个位置的 99.5% 掉到最后一个位置的 87.8%。没有选择器能修这个，因为候选自己就不够了。我们把这个叫后缀衰减，它是 backbone 的问题。 一个嫌疑是容量：五层 backbone 可能太小，撑不住横跨整块的依赖。如果真是这样，深度应该在靠后的位置帮上最多的忙。事实也如此：3 层、5 层、15 层的 DFlash 模型在第一个位置上几乎一样，越往块尾分得越开。但深度不加区分：多十层 attention block 到处加容量，连那些没什么可赚的靠前位置也加，把 DFlash 吸引人的那部分效率磨掉了。 图 2：GSM8K 上 Qwen3-4B 的 Recall@1（T=0），条件是前面每个位置都正确。所有 drafter 在相同设置下训练；卷积模型评估时不带选择器。它的卷积增加 3% 参数和 0.7% 周期延迟；15 层模型多出的十层增加 15.2%。 我们要一个有针对性的修法，而 DFlash 的 attention 指出了修哪里。它有两份工作：读块之前的上下文，以及建模块内部的依赖。但它在第二份上花的越来越少：块内注意力占比从第 1 层的 30% 掉到第 5 层的 8%，剩下的还集中在越来越少的一小撮 head 里。所以我们把两份工作拆开：一个专用模块承担块内工作，attention 继续读上下文。 图 3：五层 Qwen3-4B DFlash 的块内注意力按 head 分布。越亮的格子代表在起草块上花注意力越多的 head；靠后的层里，块内质量收缩、集中到少数几个 head。 一个轻量的局部卷积 块内工作本来就是短程的：一个块只有 4 到 16 个 token，最紧的依赖坐在相邻位置之间。自然的算子是短卷积：两个抽头，一个在当前位置，一个够到前一个位置，权重随内容自适应。跟随 Canon Layers、Dynamic Short Convolutions 和 Convolution for Large Language Models 的做法，我们在每个 attention 和 feed-forward 子层前后插入这个双抽头动态深度卷积： Conv_k(x)_t = k_{t,0}⊙x_t + k_{t,1}⊙x_{t-1} 每个系数由一个可学习的基核加上从当前隐藏状态算出的一个小修正组成；每 16 个通道共享一个修正。第一个位置读最后一个已验证 token 的表示，之后的每个位置读它前一个的。信息穿过整块，同时所有位置仍然并行计算。 图 4：双抽头动态卷积。每个 drafter 层的每个 attention 和 MLP 子层前后各有一个。内部：每个位置把自己的表示和前一个的混合；第一个位置读最后一个已验证 token。 卷积是块局部的、无状态的，所以能无缝插进 DFlash，不用动 attention、LM head 或验证。 只加 16.5M 参数（3%），带卷积的五层 DFlash 就逼近了 15 层 DFlash，大幅减轻后缀衰减。卷积给起草-验证周期延迟加 0.7%；多十层 Transformer 层加 15.2%。第 4、5 层的平均块内注意力从 9.4% 降到 0.5%，与卷积吸收局部工作、attention 回到读上下文一致。一个只够到前一个位置的核，买回了十层额外层的大部分收益：后缀衰减大体是个局部问题。 合在一起 到目前为止，选择器和卷积是分开测的；下面的完整对比把它们放在一起。DFlash 和 DSpark drafter 是我们在对齐的设置下自己训练的，MTP 随模型发布。 表 3：Qwen3.5-4B 每请求平均接受长度。采样：thinking 开启，温度 1.0，top-p 0.95，top-k 20，presence penalty 1.5，无损拒绝采样。 • GSM8K：MTP 4.78，DFlash 4.99，DSpark 5.69，DFlash 2 6.20 • MATH-500：5.04，5.42，6.20，6.76 • HumanEval：4.84，5.43，5.80，6.28 • MBPP：4.16，4.49，4.96，5.41 • MT-Bench：3.90，4.26，4.77，5.20 • 平均：4.54，4.92，5.49，5.97 DFlash 2 在每项基准上都领先。平均下来，它比 DFlash 多 1.05 个 token（21%），比 DSpark 多 0.48。升级仍然便宜：选择器和卷积加起来，只给五层 DFlash 的起草-验证周期延迟加了 1.3%。 在 MATH-500 上，增益逐位置可见：DFlash 2 到最后一个位置都稳在 86% 附近，而每个基线在块尾都比它低 6 到 9 个点。 图 5：MATH-500 上 Qwen3.5-4B 的条件接受率，采样同上。 两个 drafter，今天发布 我们今天发布两个 DFlash 2 drafter：一个给 Qwen3.8-27B（ Meta 的 Muse Glimmer（ Qwen3.8-27B，我们对比模型原生的 MTP 路径和一个社区 DSpark drafter。 表 4：Qwen3.8-27B 每请求平均接受长度，模型默认采样、块大小 8，对比原生 MTP 路径和社区 DSpark drafter。 • GSM8K：MTP 5.02，DSpark 4.36，DFlash 2 5.46 • MATH-500：4.72，3.92，5.28 • HumanEval：3.91，3.30，4.39 • MBPP：3.99，3.51，4.79 • MT-Bench：3.74，3.01，4.10 • 平均：4.28，3.62，4.80 对 Meta 的 Muse Glimmer，我们对比随模型发布的官方 DFlash drafter 和一个社区 DSpark drafter。 表 5：Muse Glimmer 每请求平均接受长度，模型默认采样、块大小 16。DFlash 是 Meta 随模型发布的官方 drafter；DSpark 是社区 drafter。 • GSM8K：DFlash 5.43，DSpark 5.45，DFlash 2 6.57 • MATH-500：5.39，5.01，6.56 • HumanEval：4.11，4.33，5.66 • MBPP：3.74，4.02，5.30 • MT-Bench：3.52，3.59，4.42 • 平均：4.44，4.48，5.70 差距很大：在两个模型上，DFlash 2 平均比 DSpark 多出超过一个完整的 token。它也超过每个模型的官方 drafter：Qwen3.8-27B 的 MTP、Muse Glimmer 的 DFlash。换算成吞吐，Qwen3.8-27B 上达到自回归解码的 2.7–3.4 倍，Muse Glimmer 上 3.1–4.6 倍。模型卡（ 底线 agent 一个下午写出来的东西，聊天机器人要写一个月，而每一个 token 底下都坐着解码。DFlash 2 以接近自回归解码 3 倍的速度解码，每个 token 约三分之一的算力，输出相同。 七个月里，DFlash 从我们的论文变成了行业标准，超过 350 万次下载。在同一个设计内部，DFlash 2 每次通过多解码一个完整的 token，免费。那还只是服务栈的一个组件。推理离它的地板还很远。 在 Inco AI，我们在构建一套端到端的服务栈，把这个地板继续往下压。DFlash 2 是第一块。两个 drafter 今天发布在 Hugging Face。 如果你在规模化地服务 agent，想在你的栈里评估 DFlash 2，或者想为你跑的模型（包括你自己的微调）要一个 drafter，写信给我们：contact@inco.ai。 我们也在招人。如果你想一起构建这套栈，联系我们。 把候选连起来。起草，继续并行。 脚注：Modal 的 Speculation Is All You Need 指出，投机解码是对低延迟服务最重要的优化。我们是他们工作的超级粉丝，感谢他们自 DFlash 发布以来的支持和讨论。 本文引用格式：@misc{inco2026dflash2, title={DFlash 2: Keep Drafting Parallel}, year={2026}, month={August}, url={ 原文： #DFlash# #投机解码# #LLM推理#