假设你有跑一个本地大语言模型，比如 Qwen3.5-27B，它写代码的时候一个字一个字往外蹦——这是自回归，一个 token 生成完了才能生成下一个。GPU 算力很强，但这样串行跑，大部分时间都在等，利用率低得可怜。
以前有人想了个办法叫 Speculative Decoding：让一个小模型先快速"猜"一串 token，大模型再并行检查哪些猜对了。猜得准就省时间。EAGLE-3 是这个方向的顶尖方案，但它的"猜"模型也是自回归的——猜 8 个 token 要跑 8 次，成本线性增长。所以只能做得很浅，猜不准。
DFlash 换了个思路。它用扩散模型来"猜"。
扩散模型是什么？想象你有一张模糊的照片，扩散过程就是一步步让它变清晰。反过来，从噪声开始，一步步去噪，最后得到清晰的图像。关键点：这个"去噪"过程是并行的——一步操作就能影响整张图的所有像素。
DFlash 把这个思路用到文本上。它训练了一个小扩散模型（drafter），只负责"猜测"。不管要猜 8 个还是 16 个 token，都是一次前向传播搞定。这意味着 drafter 可以做得很深——5 层 Transformer，比 EAGLE-3 的 1 层强多了，猜得更准，但延迟反而更低。
但这还不够。如果小模型完全从零开始猜，肯定猜不准。**DFlash 的核心创新是：它从大模型的隐藏层抽取特征，注入到小模型的每一层。**大模型"知道"接下来可能发生什么，小模型用这个信息来"猜"。
这就好比——想象你在走一条从没走过的路。如果完全瞎走，大概率走错。但如果有个对讲机，前面有个朋友告诉你"前面路口左转"，你猜对的概率就高多了。而且 DFlash 不是只在起点给提示，是在每个路口都给提示。
