ORL опубликовали — диффузионные модели разогнались до 2 788 токенов/с на RTX 5090 и до 7 708 токенов/с на восьми B200. Главное: • QwenDLM-4B — 6,9× выше пропускная способность при сопоставимом или лучшем качестве • На H100 метод быстрее DFlash speculative decoding в 1,74× при совпадающей точности • Открытый код: движок dlmrt, модельки LLaDA-2.1-mini, DiffusionGemma 26B MoE, QwenDLM-4B Все замеры при batch size 1 — одиночный запрос, не параллельная нагрузка. Пиковые значения на бенчмарках, а не усреднённые по случайным промптам. Независимой верификации нет. Что это значит: диффузионные языковые модели вплотную приблизились к авторегрессионным по скорости генерации и при этом сохраняют качество — баланс между подходами меняется.