核心要点
2026 年 4 月，新研究 DMax 针对扩散型大语言模型（dLLMs）提出激进并行解码策略。与传统自回归模型逐 token 生成不同，扩散语言模型在单次去噪迭代中理论上可以并行生成所有 token，但此前缺乏高效的多 token 同步采样机制。DMax 通过改进采样路径，允许在单次去噪步骤中同时生成多个 token，从而在不损失生成质量的前提下显著提升推理吞吐量。这一方法标志着 dLLMs 推理加速从理论走向工程落地的关键一步。
原文 + 中文翻译
来源推文（@_akhaliq，2026-04-10）：
原文："DMax proposes aggressive parallel decoding for diffusion large language models, significantly speeding up inference by generating multiple tokens simultaneously."
翻译：DMax 为扩散型大语言模型提出激进并行解码，通过同时生成多个 token 显著加速推理。
深度解读
1. 为什么 dLLMs 的推理加速值得关注？
扩散型大语言模型（dLLMs）是近年来从图像生成领域（Stable Diffusion、DiT）延伸至语言建模的新架构范式。与 GPT 风格的 Transformer（逐 token 自回归生成）不同，dLLMs 将整个句子视为被噪声破坏的信号，通过多步去噪迭代逐步恢复原始文本。这种"全句子并行处理"的数学框架理论上具备更强的全局建模能力，但也面临一个核心瓶颈：单次推理需要 10-50 步去噪迭代，每步的计算成本远超自回归模型的单步。因此，即便 dLLMs 在生成质量上可能具有优势，其推理速度通常比同等规模的自回归模型慢 5-20 倍。DMax 的价值在于直面这一瓶颈。
2. DMax 的技术突破：从"全量生成"到"批量采样"
DMax 的核心洞察是：传统 dLLM 在每步去噪后只能输出一个完整的句子候选（因为需要去噪到某一噪声水平再采样），而这个约束限制了并行度上限。DMax 提出在单次去噪步骤中同时生成多个 token 的"激进并行解码"路径，借鉴了自回归模型中 speculative decoding 和批量并行推理的思想，同时保留扩散模型的多步去噪框架。关键设计可能包括：修改去噪过程使每步可以产出多个 token 位置的条件分布，然后从该分布中批量采样。这本质上是用"采样并行"换"推理延迟"。
3. 行业格局与竞争意义
dLLMs 领域目前的主要玩家包括 MSRA（Marconi）、Transfusion/Sana 等架构创新，以及 DeepSeek 的新项目。若 DMax 能够将 dLLMs 的推理速度提升至接近甚至达到同级别自回归模型水平，则意味着：第一，架构选择权回到研究者手中——企业可以在模型质量与推理成本之间做更灵活的权衡；第二，这对部署端（边缘设备、低延迟 API 服务）具有直接商业价值；第三，可能加速多模态扩散模型（ diffusion-based VLM）的落地，因为图像/视频扩散的推理加速经验可以迁移至语言模态。
值得关注
- DMax 的完整论文披露：关注 arXiv 上的预印本（关键词："DMax" "diffusion LLM" "parallel decoding"），其中会包含具体的 benchmark 数据——与基线（如 Marconi、Transfusion）在同等硬件上做端到端延迟对比，以及在 NLP 任务（Benchmark MMLU/HellaSwag）上的质量损耗幅度。
- 多 token 采样策略的技术细节：DMax 的激进并行解码是依赖修改噪声调度（noise scheduling）还是引入额外的 token 级别采样头？这决定了该方法的通用性——是否需要针对不同 dLLM 架构重新训练。
- 生成质量 vs. 速度的帕累托曲线：在 DMax 中，同时生成的 token 数量（N）与 BLEU/Perplexity 指标之间的权衡关系是什么？是否存在一个"甜蜜点"（N=2~4）能在速度翻倍的同时保持质量？
- 与其他推理加速方法的协同效应：DMax 是否可以与 INT4/INT8 量化、FlashAttention 3、Triton kernel 优化等已有手段叠加？若可以叠加，dLLMs 的端到端推理成本有望下降 10x 以上。
- MSRA/DeepSeek 等厂商的跟进动态：主要 dLLM 研究团队是否会快速跟进 DMax 的思路，将其整合进开源模型（如 Transfusion）或商业 API？这是验证该方向是否成为行业共识的重要信号。
信源行：
原文链接：x.com/_akhaliq/status/2042449645670916384
背景报道：扩散语言模型（dLLMs）推理加速是 2025-2026 年的热门研究方向，典型工作包括 MSRA Marconi（多步去噪优化）、Transfusion（Sana 架构）以及 DeepSeek 的新扩散模型论文，均在探索如何弥合 dLLMs 与自回归模型在推理效率上的差距。
关键词追踪：DMax、diffusion LLM parallel decoding、aggressive decoding、dLLM inference acceleration