让一个小模型先替大模型猜几步，再请大模型一次检查，听起来像是把逐题批改变成整页批改。这就是投机解码：草稿模型便宜地提出候选词，目标模型批量核验；严格的接受与拒绝规则保证最终文字的概率分布不变。它值得关注，因为生成文字常卡在搬运模型权重，而不是计算本身，批量核验理论上能少搬几趟。
这项研究把理论放到一台配备 18 GB 统一内存的 Apple 芯片笔记本上检验，并比较五种草稿模型、目标模型与运行后端的组合。作者报告，其中三种组合反而减速。一个原因是草稿模型每走一步，竟比小型量化目标模型更慢；另一个更反直觉：量化 Metal 后端对多个候选词的“并行”核验，耗时会随候选数量近似线性增长，等于仍在逐个处理。再加上双模型调度、设备同步和内存占用，理论收益很容易被吃掉。
结论很朴素：无损只代表不改变输出分布，不代表没有硬件账单。投机解码要真正提速，既要草稿明显更快，也要目标模型的批量核验确实并行；论文摘要中的部分具体速度数字未能完整呈现，因此这里不作延伸。