腾讯混元在 7 月 29 日把 AngelSpec 放到 GitHub 上。它不算面向普通用户的新聊天模型，作用更偏底层：训练和评测 speculative decoding 的 drafter，让大模型生成时少走几轮串行计算。
第一财经同日确认，腾讯混元团队正式开源 AngelSpec，并同步开放 Hy3-A21B 的 MTP 与 DFly drafter 权重及训练代码。GitHub 仓库显示，AngelSpec v0.1.0 支持 MTP 和 block-parallel speculative decoding training，技术报告挂在 arXiv:2607.25852。
这条新闻的抓手在于，国产大模型公司开始把推理加速从“论文技巧”推进到“可复用工程框架”。推理价格战已经打了半年，模型能力继续长大后，谁能把每个 token 的等待和成本压下去，谁才有条件承接 Agent、代码和长上下文服务。
它瞄准推理成本
推测解码的白话版是：先让一个较轻的 drafter 猜后面几个 token，再由目标大模型批量验收。猜对的部分直接提交，猜错的部分回到正常生成。目标分布不变，省的是等待时间。
AngelSpec 把这个过程拆成训练、架构和线上验证三层。论文原句写道：“We release the AngelSpec framework to support training and extending these speculative-decoding methods.” 放到工程语境里，就是把 drafter 从一次性实验样板，做成能训练、能换配置、能接推理引擎的工具箱。
GitHub README 列出的范围很具体：6 种 draft 架构放进同一条训练流水线，包含 DFly、DFlash、DFlare、Eagle3、DSpark 和 MTP；MTP 路径支持 TTT 训练，长上下文训练可到 128k；在线评测会用 serving engine 真实测 mean accepted length 和逐位置接受率。
这比只说“更快”要硬。因为 speculative decoding 常见的坑，恰好是离线指标好看，到了线上多并发、不同任务分布、硬件负载一变，收益就塌。AngelSpec 把评测服务器和训练流程绑在一起，是在补这个缺口。
DFly 押代码和数学
论文把不同任务分得很清楚。开放式聊天熵高，下一句合理答案很多，drafter 往深处猜的命中率会快速下降；代码和数学更规整，括号、变量、公式、步骤都有约束，长一点的预测更容易被目标模型接受。
因此混元没有把一个 universal drafter 往所有场景里硬塞。MTP drafter 面向高熵聊天，DFly 则用代码和数学数据增强，配合 block-diffusion drafting，在一个 backbone pass 里并行给出候选块。
arXiv 报告给出的关键数字是：在 Hy3-A21B 上，DFly 将平均接受长度提高约 30%；在并发 4 到 64 的全部测试点上获得最高平均吞吐；相对自回归解码的端到端加速为 1.98 到 2.40 倍，相对 DFlash 的吞吐提升为 10.5% 到 11.8%。
GitHub 仓库的 benchmark 说明补上了口径：离线吞吐基于 HY3-295B-A21B、TP=8，温度为 1，每个单元使用 3 个 120 秒窗口；线上 D-cut 负载则标注为 8×H20，并发从 2 到 64。数字能用，是因为本地/线上、硬件和并发范围都没有混在一起。
加速框架也会变成竞争资产
对开发者来说，AngelSpec 最直接的价值并非立刻把某个 API 账单砍半。它先提供一套可追踪的实验基线：同一模型在聊天、代码、数学、Agent 工具调用里，应该用哪类 drafter，接受长度和验证成本如何随并发变化。
这会影响云厂商和模型厂的定价能力。过去几个月，DeepSeek、Kimi、Qwen、混元都在讲参数、上下文和开源；但落到企业服务时，吞吐、尾延迟、显存占用和多租户稳定性会更早卡住预算。一个 2 倍级推理加速，如果只在特定 Hy3 场景成立，也足以改变代码生成和批量推理的成本模型。
同时，开源 drafter 权重会把竞争从“谁有大模型”推进到“谁能把大模型跑得更稳”。Hugging Face 上已经出现 AngelSlim/Hy3-DFly-Block8、AngelSlim/Hy3-MTP-TTT3 等配套模型。开发者可以复现实验，也可以把 Qwen3-8B 这类目标模型放进单节点样例里试跑。
还要看生产账本
AngelSpec 的限制同样清楚。第一，论文数字来自 Hy3 系列和特定部署条件，不能外推到所有模型；第二，MTP、DFly、D-cut 都会增加训练和系统复杂度，团队需要懂推理引擎、并行训练和线上调度；第三，有商业价值的是尾延迟、单位 GPU 小时产出和故障恢复，不只是平均吞吐。
这也是后续最该核验的节点。看混元是否把 AngelSpec 接进自家 MaaS 服务，看第三方是否复现 1.98 到 2.40 倍加速，看 Qwen、DeepSeek 或其他开源模型社区会不会采用同类训练框架。
如果这些环节跟上，AngelSpec 会把国产大模型竞争的一部分，从模型榜单拉到推理系统工程：谁能更便宜、更稳定地吐出 token，谁在 Agent 时代的胜算就多一层。
参考来源：第一财经、腾讯 AngelSpec GitHub、arXiv:2607.25852、CocoLoop、Hugging Face；核验开源范围、Hy3-A21B TP=8 离线吞吐、8×H20 线上负载、并发 4-64、drafter 权重与 Apache 2.0 许可口径。