一句话看懂：Polymathic AI、普林斯顿大学等机构发布 FlashMap，用连续流图替代离散扩散草稿器，在单次前向中生成 16 个 token 的草稿块。Qwen3-8B 在 GSM8K 上最高实现 6.14 倍无损加速，草稿权重和 vLLM、SGLang 插件已开源。
事件核心：发生了什么
2026 年 10 月 28 日，来自 Polymathic AI、普林斯顿大学、USC ISI、NYU 和 Flatiron Institute 的研究团队发布 FlashMap——一种投机解码草稿器。与 DFlash 采用的块扩散不同，FlashMap 基于 Flow Map Language Models，将高斯噪声一步映射为完整 token 块，块内 token 通过联合采样保持相互一致。草稿器为 0.5B 参数（Qwen3-8B 版 500M，Qwen3-4B 版 475M），读取目标模型第 1、9、17、25、33 层隐藏状态，词嵌入和 LM head 从目标模型复制并冻结。训练分两阶段，使用 Open-PerfectBlend 的 50 万样本，总计算约 4600 GPU 小时（H200）。
为什么重要
投机解码的加速取决于两点：草稿被接受的比例和草稿成本。EAGLE-3 自回归草稿成本随块长增加；DFlash 虽一次生成整块，但各槽位独立预测，容易出现“new diego”这类跨槽位不一致的组合，被目标模型拒绝。FlashMap 的联合建模直接针对这个痛点，在同等或更小参数下提升接受长度。研究团队用相同数据和设置重训 EAGLE-3 和 DFlash 对比：Qwen3-8B 上，单步 FlashMap 在 9 个基准、两个温度下均为最快草稿器；2 步模式下接受长度在 18 个设置中全部超过 DFlash，平均高 10%。这说明草稿器设计仍有明显优化空间，对开源模型推理效率有直接意义。
对用户/开发者/创作者的影响
目前公开信息显示，FlashMap 在 Qwen3-8B 上温度 0 的 GSM8K 任务实现 6.14 倍加速（接受长度 7.69 token），平均加速 4.36 倍；温度 1 的 Alpaca 任务最差为 2.28 倍。Qwen3-4B 温度 0 下，9 项任务中有 4 项落后 DFlash。草稿器权重以 Apache-2.0 在 Hugging Face 发布，并提供 vLLM 和 SGLang 插件，意味着使用这两个推理框架的开发者可以较低成本接入测试，前提是在支持的目标模型上。对聊天、数学和代码类应用，接受长度提升可能转化为更低的每 token 延迟；但实际部署仍需验证不同并发和量化场景。
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 vLLM/SGLang 插件在真实服务并发下的表现是否接近论文单卡单请求的测试条件；二是 4B 级模型上的短板是否会在后续版本中改善；三是 EAGLE-3 之外的其他草稿器方案（如 DSpark）是否会跟进联合建模路线。此外，论文结果尚未经过独立复现，权重能否在更多 Qwen3 变体和量化版本上稳定工作值得观察。
