近年来，大模型正从能力竞赛走向工程落地，推理阶段的成本、时延与稳定性逐渐成为制约规模化应用的核心因素。在长上下文、高并发与多模态场景下，解码过程受限于算力与显存带宽，单纯依赖模型压缩或硬件堆叠的优化路径正逼近边际收益，促使业界重新审视推理机制本身的优化空间。
在这一背景下，投机采样（Speculative Decoding）通过“小模型多步生成 + 大模型并行验证”，在保证生成质量的前提下减少大模型的有效前向计算。腾讯混元近期升级的 AngelSlim 围绕 Eagle3 投机采样训练范式 构建系统化实现，将投机采样提升为可训练、可迁移的加速能力，并扩展至 LLM、视觉语言与语音等多模态场景，在实际部署中最高可实现 1.9× 的推理加速，为多模态 AI 的实时化与规模化应用奠定基础。
一、AngelSlim +投机采样
投机采样是一种通过小模型多步预测 + 大模型一步验证的推理加速技术，其核心思想是：使用一个轻量级的草稿模型生成多个候选 token，由目标模型对候选结果进行并行验证是否接受，以此来并行解码加速，在有效利用大模型解码阶段的算力冗余，提升推理吞吐并降低单请求延迟。
AngelSlim是一款集成了包括量化、投机采样等压缩算法，面向全模态的大模型压缩算法工具包。此次对投机采样训练进行了重磅升级，支持了大语言、多模态理解、语音等不同模态大模型投机采样草稿模型训练能力。
AngelSlim 以“Eagle3训练即部署”为设计核心，提供从数据处理、模型封装到投机采样算法训练的完整链路，帮助开发在不侵入现有模型结构的前提下，显著降低推理时延与计算成本，各模态、各类大模型加速可达1.4-1.9倍。
Github开源地址：https://github.com/Tencent/AngelSlim
二、核心亮点
1.覆盖从文生文、多模态理解到语音的全模态投机采样训练
AngelSlim是一个从设计之初就支持全模态的投机采样训练框架，通过统一的训练接口，不同模态之间共享核心算法与工程能力，避免
2.面向部署
AngelSlim 并不止步于“能训”，而是强调训出来就能用。AngelSlim训练产出的模型可以无缝用于vLLM/Sglang等框架进行部署。
三、核心训练组件解析
1.数据处理模块
数据处理模块为投机采样训练多个模态提供稳定、可复用的数据基础，主要包括：
a. 数据重采样：针对分布外数据集重新采样，生成分布内数据集用以训练。
b. 数据预处理：
i. 统一不同模态的数据格式，将文本、图像、音频等输入标准化处理成token ids和loss mask。
ii. 草稿模型裁剪词表的映射。
c. 隐藏特征提取：根据处理好的token ids获取对应的隐藏特征。
2.模型模块
模型模块是 AngelSlim 实现高度扩展性的关键。
a.统一的 TargetModel 接口
i. AngelSlim提供统一的TargetModel接口，包括模型加载与权重管理、前向计算、中间层 / 隐状态特征提取等抽象方法；
b. 低成本扩展新的模型后端
ii. 对于新的模型架构或后端，用户只需实现 TargetModel 中定义的抽象方法即可完成模型注册并接入训练流程，无需修改训练器或核心算法代码。这一设计极大降低了对新模型、新模态的适配成本。
3.训练器模块
a.训练器针对Eagle3算法特点设计了两种训练模式：在线训练和离线训练。在线与离线训练的区别在于是否预先生成并存好全量数据的hidden states。在线训练适合小尺寸模型或显存足够的场景，离线训练适合大尺寸模型、低显存高磁盘空间机器。
b.训练器实现封装了Eagle3等投机采样算法训练的关键逻辑：
i. 训练时测试（training-time-test）：训练时模拟Eagle3模型多步生成过程，让Eagle3模型看到并学习使用自己的预测。
c.训练器原生支持断点续训能力，完整保存并恢复：
i.草稿模型参数
ii.Optimizer / LR Scheduler 状态以及训练进度
四、实践与部署
1.快速开始
当安装好AngelSlim后，进入AngelSlim根目录按照如下命令可以快速开始Eagle3的训练：
# 启动vLLM服务
bash scripts/speculative/run_vllm_server.sh
# 生成训练数据
bash scripts/speculative/generate_data_for_target_model.sh
# 开始在线训练
bash scripts/speculative/train_eagle3_online.sh
其中前两条命令是准备数据，对训练数据进行重采样，生成目标模型分布内的数据。这一步是可选项，如果训练数据已经是来自目标模型的SFT数据或自身生成的数据，这一步可跳过。对Eagle3模型进行训练直接执行最后一条命令即可。并且我们提供了全面的多模态模型 Eagle3 训练与部署指南，支持LLM / VLM / Audio (ASR & TTS) ，详见文档：LLM | VLM | Audio(ASR) | Audio(TTS)。
2.AngelSlim训练模型的加速表现
我们使用vLLM在代码、数学、指令跟随、文本生成、多模态理解等任务上评测了AngelSlim所训练的Eagle3模型，设置num_speculative_tokens=2 or 4下我们所训的模型接收长度可达1.8-3.5，最高加速可达1.4-1.9倍。
3.代码和模型链接
a. AngelSlim代码Github开源仓库：
https://github.com/Tencent/AngelSlim
b. Hugging-Face Eagle3模型与权重：
https://huggingface.co/collections/AngelSlim/eagle3
五、未来计划
在未来规划中，工具化方面，我们计划支持基于 vLLM 的离线 hidden states 生成，以进一步降低数据构建与训练成本，并通过系统性的训练加速优化提升整体训练效率；算法创新方面，将探索多模态理解与语音输入信息在Eagle3 模型中的深度融合，统一建模文本、视觉与语音特征，拓展投机采样在全模态场景下的适用性与加速潜力。