Liquid AI 发布了一款实验性的 DSpark 草稿模型，用于加速其视觉语言模型 LFM2.5-VL-3B。该模型延续了此前文本领域 LFM2.5-DSpark 的思路，通过投机解码（speculative decoding）在几乎不增加内存开销的情况下显著提升推理速度，且不改变输出质量。解码速度在设备端最高可达 3.13 倍，在 H100 上最高 2.66 倍；端到端延迟提升分别最高至 2.62 倍和 2.27 倍。草稿模型仅新增约 2.8 亿参数，占目标模型 30 亿参数的 8.9%。

视觉草稿模型与文本版采用相同架构：在固定的 tapped layers 捕获目标模型的隐藏状态，并据此一次性草拟 k 个候选 token。图像 patch 和文本 token 在进入这些层之前先被投影到共享表示空间，因此无论输入模态如何，草稿模型操作的隐藏状态向量维度一致，推理算法与文本模型完全相同。训练采用 DSpark 配方，混合视觉语言 SFT 数据，并偏向预期的工作负载。经过 3/4/5 层的消融实验，最终选择 4 层、块大小 9 的简化 attention-only 草稿模型。在最终数据混合上训练 10 个 epoch，接受率随训练 token 增加而提升，直至收益递减。推理时建议根据硬件选择块大小 8 或 9。

组件参数分解如下：解码器堆栈（4 层）193.0M，隐藏状态投影 21.0M，马尔可夫头 65.5M，范数 + 置信头 6.4k，总计 279.5M。模型发布首日即支持 llama.cpp、MLX-VLM 和 SGLang 三种集成。在 MLX 上（M5 Max），解码加速 2.30-3.13 倍，端到端 1.56-2.62 倍；llama.cpp 上（M3 Ultra），解码 1.57-2.14 倍，端到端 1.30-1.77 倍；H100 上解码 2.04-2.66 倍，端到端 1.64-2.27 倍。注意原文中 H100 解码加速写为 ‘20.4x’，明显是笔误，应为 2.04 倍，此处按合理值解读。

投机解码的局限在于：它只加速 decode 阶段，不加速视觉编码和 prefill。VLM 中图像编码和视觉 token 处理占比高，边缘设备计算能力弱，prefill 在端到端延迟中占比更大。这就是 Amdahl 定律——整体加速受限于未被加速的部分。运行方式：SGLang 需带 DSpark 支持的构建（PR #40651），指定草稿模型和块大小；llama.cpp 需对应构建（PR #29339），使用 –spec-type draft-dspark；MLX-VLM 需构建（PR #2280），块大小从 sidecar 元数据读取。投机解码是精确的，目标模型验证每个建议 token，贪心输出与单独运行目标模型完全一致。模型以 Safetensors 和 GGUF 格式开源在 Hugging Face 上。