斯坦福大学Hazy Research于2026年10月12日发布博客，公布一款非自回归NC大语言模型（NC LLM）的生成速度数据，其token输出速度为文本扩散模型的21倍。
文本扩散模型属于非自回归生成路线，从随机噪声出发，经过多轮去噪逐步还原完整token序列，每轮更新全部序列位置。自回归模型生成每个token都依赖前序输出，前向计算次数随序列长度线性增加。两条路径在速度上的差异，主要来自并行度与解码轮数。LLM的标准解码路径是自回归，文本扩散是在离散token上做并行生成的替代方案。
对比对象明确是文本扩散模型，并非自回归模型。自回归路线的速度基线没有被纳入此次比较，21倍测的是非自回归路线内部的速度差。
仅凭当前公开信息，无法确认测试任务、模型参数规模和硬件配置，代码与权重链接也未出现。21倍无法换算成绝对每秒token数，复现该倍数至少需要batch size、序列长度和GPU型号等参数。
Hacker News上该博客的讨论帖显示为1点、0条评论。
· END ·