qwen3.8-27b-w4a16-awq 已经持续跑了15个小时了
-
我的当今dsh 3d frog 游戏至今也迈向3千万输入，三十万输出...连续一小时修修改改
-
这个说法从机制上讲确实不科学。如果 DFlash2 和 DSpark 都按标准 speculative decoding 正确实现，那么：
换投机解码算法应该改变速度、接受率、GPU利用方式，但不应该系统性提高 Qwen3.8-27B 的代码能力。
vLLM/Speculators 现在对 DFlash、DFlash2、DSpark、MTP 的定义很明确：这些算法都是 lossless speculative decoding，最终输出仍来自 target model 原来的概率分布。
DSpark 多出来的东西，不是“增强模型智力”DSpark 相比 DFlash 类方法，主要增加了两个头：
Markov head：让 block 内后面的 draft token 能参考前一个 token，提高草稿预测准确率；
confidence head：预测每个 draft token 被 target 接受的概率，决定验证多长的 block。 -
等大佬测试结果，dflash2实际感受下来，复杂点会实现不完善，也出现部署服务失败，修复dsh会话bug直接干蹦，最后都是Q6擦屁股，但是sglang hicache多会话简直太好了，十几个会话都指向他，高频的128K2，其他中低频64K，完全无压力，平均速度都能70-80，，，，单会话100tok+，就这一点释放了其他设备；4080s32部署Q6 100K2 实现主框架写好文档，w4快速扫尾，Q6核查。。。
-
等大佬测试结果，dflash2实际感受下来，复杂点会实现不完善，也出现部署服务失败，修复dsh会话bug直接干蹦，最后都是Q6擦屁股，但是sglang hicache多会话简直太好了，十几个会话都指向他，高频的128K2，其他中低频64K，完全无压力，平均速度都能70-80，，，，单会话100tok+，就这一点释放了其他设备；4080s32部署Q6 100K2 实现主框架写好文档，w4快速扫尾，Q6核查。。。
@Dady-Pan 请问要怎样让Q6 去审查。。。
我现在使用得都是 40ts - 50ts 在跑，一个小工具任务花半个小时，一个小时。。。
虽然跑出来一步到位，
然而我又要跑comfyui, 结果两个都要等。。。
看你们都是跑80ts - 100ts。。。
我想更快完工，然后q6 去审查。。。
还是。。。干脆买多一部server跑dsh算了。。。
-
@Dady-Pan 请问要怎样让Q6 去审查。。。
我现在使用得都是 40ts - 50ts 在跑，一个小工具任务花半个小时，一个小时。。。
虽然跑出来一步到位，
然而我又要跑comfyui, 结果两个都要等。。。
看你们都是跑80ts - 100ts。。。
我想更快完工，然后q6 去审查。。。
还是。。。干脆买多一部server跑dsh算了。。。
@imbiplaza-ASUS 差不多 45tok均速，我还考了low的思考等级，丢一个项目过一段时间再去看，本身也有其他会话一起处理别的事，不会干等着
