准了、快了：投机解码的三笔账

atomic.chat DSpark 给 LFM2.5-VL-3B 上了投机解码：drafter 提前多猜、目标模型单遍验证——三平台各报各的数（batch1、temp0、六类任务）。 三笔账分开算：一，MLX 上 M5 Max 解码 3.13×、端到端 2.62×；llama.cpp 上 M3 Ultra 2.14×／1.77×；SGLang 上 H100 2.66×／2.27×。 三个框架三台机器、不可跨着比：M5 看着比 H100 快，是框架的账、不是芯片的账。 二，端到端总低于解码倍数（2.62 低于 3.13）——开销吃一截，真实收益看端到端；三，greedy 下"输出完全一致"是机制：验证通过才收、质量守恒。 口径：①基准自测于 Pipette——未复现、以官方为准；②greedy、batch1、temp0 条件跟着引——换条件数字就换；③三平台不可直比硬件——跨框架只说明工程深浅。 用法三条：一，先看端到端：解码倍数是中间值，等它出活的时间才是钱；二，同框架同机对照——别拿 M5 的 MLX 数字套 H100 的 SGLang；三，按输出长度选：短输出损耗高、长输出吃倍数红利。 要准就挑验证严格的框架，要快就认端到端的账——两样都想要，先量再买。