腾讯优图发布 Qwen3.8-27B-DSpine-b16 草稿模型，投机解码加速达 3 倍

腾讯优图在 HuggingFace 上发布了 Qwen3.8-27B-DSpine-b16 草稿模型，将投机解码的加速倍数从原先 MTP 方案的约 1.6 倍提升到 3 倍。官方实测吞吐达到 805 tps（8 并发），速度提升幅度是目前公开方案中较高的一档。 从技术细节看，该模型基于 Qwen3.8-27B 适配，草稿模型命名中的 b16 指向 16 层的精简结构。官方虽未公布测试所用硬件，但代码中使用了 FlashAttention 3，说明推理环境大概率是 Hopper 架构的 GPU（如 H100/H20 一类）。 投机解码的草稿模型质量直接决定大模型推理的接受率和加速上限，此前 MTP 类方案普遍停留在 1.6 倍左右。这个 27B 规模的草稿模型若验证可复现，对自建推理服务的团队来说等于免费拿到接近翻倍的吞吐，值得拿自己的业务流量实测对比。