Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

NVIDIA（米カリフォルニア州サンタクララ）は、推論高速化技術「DFlash」の活用により、大規模言語モデルの推論性能を大幅に向上できると発表した。ブロック拡散型の推測デコーディング手法を採用するという。

同社によれば、DFlashは軽量なドラフトモデルが複数トークンを並列生成し、ターゲットモデルがまとめて検証する仕組みを採用する。従来の逐次生成方式に比べ、GPU利用効率の向上が期待されるとしている。

検証では、gpt-oss-120bをNVIDIA Blackwell環境で実行した際、同等の応答性を維持しながら最大15倍のスループット向上を確認したという。Llama 3.1 8Bでも既存のEAGLE-3方式を上回る結果が得られたとされる。

DFlashはHugging Face上で20種類のチェックポイントが公開されており、TensorRT-LLM、vLLM、SGLangなど主要推論フレームワークで利用可能という。開発者は既存アプリケーションを大きく変更せず導入できるとみられている。