DFlash ist ein spekulativer Dekodierungsansatz, der statt einzelner Token-Drafts einen ganzen Block von bis zu 15 Token in einem einzigen Forward-Pass durch einen sogenannten Block-Diffusion-Drafter füllt – entwickelt vom z-lab. Im Gegensatz zu MTP (Multi-Token Prediction), das pro gedraftetem Token einen eigenen Forward-Pass benötigt, amortisiert DFlash die Drafter-Kosten über den gesamten Block, was besonders bei langen Kontexten zum Tragen kommt. Der Tester verwendete als Zielmodell Qwen 3.6 27B (UD-Q4_K_XL) und als Drafter das Modell „Alittlehammmer/Qwen3.6-27B-DFlash-GGUF-llama.cpp" in Q8_0 (~1,9 GB). Bemerkenswert ist das Skalierungsverhalten: Während klassische Inferenz mit wachsendem Kontext deutlich langsamer wird, hält DFlash die Geschwindigkeit weitgehend stabil – bei 98K Kontext wurden noch 241 tok/s gemessen. Ein kontraintuitiver Befund aus den Leaderboard-Tests: Eine Akzeptanzrate von nur 43 % bei n_max=12 schlug eine 91%-Akzeptanzrate bei n_max=2, weil der entscheidende Faktor die akzeptierten Token pro Verifikations-Pass sind, nicht die prozentuale Akzeptanz. Die Docker-Compose-Integration erlaubt einen Ein-Klick-Start als llama.cpp-Server, was die Reproduzierbarkeit für lokale Setups erleichtert.