一句话看懂：研究者提出 Lafa 系列连续流语言模型，把预训练自回归模型改造成分块并行生成的流量模型，论文摘要称 7B 设置下吞吐约为同质量 AR 的 2.54 倍。它代表大模型推理加速的一条新路线，但仍属论文阶段。
事件核心：发生了什么
根据 alphaXiv 上 2026 年 10 月 20 日发布的论文摘要，研究团队推出 Lafa（Large flow language model），在 0.5B、7B、8B 三个规模上训练，token 用量少于 300 亿。其做法是：每块内并行去噪连续 token 嵌入，块与块之间保持因果生成，前缀使用因果注意力并复用 KV 缓存。7B 版本从 Qwen2.5 Instruct 初始化，8B 版本从 Qwen3 Base 初始化，训练中同时保留自回归预测。
为什么重要
传统大模型每个 token 都要串行前向，推理速度受限。Lafa 试图用连续流取代离散扩散，实现块级并行解码；由于保留了自回归预测头，模型可以用自身预测校验草稿，无需外挂验证器。摘要称，流量训练甚至能通过多 token 预测效应维持或提升预训练 AR 能力。若这一路线可扩展，将直接冲击“大模型必须逐 token 生成”的默认假设。
对用户/开发者/创作者的影响
目前公开信息显示，Lafa 仍是论文成果，没有可见的 API 或开源产品。对开发者而言，其意义在于探索低延迟推理和更低的算力成本；对应用侧，若后续落地，聊天、代码补全等场景的响应速度可能改善。但评测仅限于摘要提到的指令遵循、推理和编程任务，不能视为通用能力已全面超越 AR 模型。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是论文是否公开代码和权重，以及 8B 模型在真实服务中的吞吐表现；二是分块并行对长文本和工具调用场景是否稳定；三是这类连续流路线能否吸引更多团队跟进，形成与离散扩散、投机解码并行的加速生态。
来源：alphaXiv
