大模型跑起来有多慢，用过的人都知道。等它一个字一个字往外蹦，急得人想替它打字。现在Liquid AI和Hugging Face联手放了个大招：三款名为DSpark的草稿模型正式开源，推理速度最高能飙到原来的3.18倍，而且输出质量一个字都不带差的。
这三款模型分别叫LFM2.5-1.2B-Instruct、LFM2.5-2.6B和LFM2.5-8B-A1B，尺寸从轻量到中端全覆盖。它们的杀器是一套叫“投机解码”的路径——简单说，就是AI回答前先让一个轻量级“草稿员”快速写一版候选答案，再由“主审官”模型一次性检查验收。主模型只需要把权重从内存读一遍，就能同时验证几十个候选token，省掉了反复读数据的笨功夫。
打个比方：以前是个每题都自己从头算的考生，现在先让助手写满草稿纸，自己只负责最后对答案，效率自然翻着倍往上涨。
实际测试数据相当亮眼。GPU上跑，整体吞吐量最高提升3.18倍；在手机、笔记本这类端侧设备上，最高也能拉到2.87倍。特别值得一提的是智能体（Agent）场景——LFM2.5-2.6B的函数调用延迟平均降了57%。拿M4 Max版MacBook Pro当测试平台时，输出速度最高冲到每秒139个token，本地跑AI智能体应用已经不比云端专有模型差了，门槛一下子低了不少。
DSpark的设计思路也有讲究。它用一个并行主干网络统一生成草稿token的隐藏状态，再通过一个“马尔可夫头”给相邻token之间加上依赖关系，让候选序列更像真货。最妙的是那个置信度调度验证器——它会预测每个token的存活概率，发现验证成本要超过节省的成本时，直接剪掉低置信度的尾巴，绝不浪费算力。
训练数据用的是SFT、聊天、代码和函数调用混合的大规模数据集。经过层层消融实验，最终拍板的版本是纯注意力架构，5层、9个块，参数量控制在3亿上下。小小个子，干大活。
有人会问：速度快了，质量还能保证？这就是投机解码的巧妙之处了——草稿token只有在和目标模型分布完全一致时才会被接收，一旦对不上，目标模型当场用自己的token替换。因此输出结果和原来逐字生成的结构一模一样，基准测试准确率零损失。提速，但不降智。
这活儿干得很漂亮。发布当天，DSpark就兼容了SGLang和llama.cpp两大主流推理框架，Safetensors和GGUF格式的权重文件也都挂在了Hugging Face上，开发者拿来就能用，从云端大集群到随身设备，想部署哪就部署哪。
这次发布给行业提了个醒：AI竞赛的下半场，拼的不只是模型聪不聪明，还有跑得快不快、省不省。Liquid AI这波操作，等于给整个开源社区递了一把钥匙——让大模型在普通设备上也能流畅跑起来，离“人人都能用上AI”这个目标，又近了一步。