芯片厂商 Groq、Cerebras和SambaNova，当前最高记录是2,100 tokens/S。
而Gemini Diffusion 、Seed Diffusion和Mercury Coder，当前最高记录是2,146 Tokens/S。
当然，不能忘记补一下我们 ChatDLM，2,800 Token/S。
市场上有不少企业在解决推理加速问题，对于中文市场而言，从芯片入手去解决速度，这需要花费很久的时间，而在技术架构上，这会快很多。
也就是说，在中文市场上，没多少人可以用到这样的高速推理模型。而在全球市场上，则是硬件派 vs 算法派。
在加速方面，实现路径不对称，中文市场上蕴藏着巨大的推理加速机会！
目前看来，DLM还是无法追平AR的质量，速度优势还不突出，一旦DLM的速度非常突出，差异化必将形成。
我想这个分水岭应该是3500 Token/S左右，当然，推到5000 Token/S的话，芯片厂商就会受到极大的约束。
那么DLM的质量，真的无法提升吗？在我看来不是，除了自适应的区块扩散以外，还有一直策略，就是给开源模型做加速Think，或者叫 Fast Think。
这样一来，质量就可控了，而且速度也变快了。看起来一举多得。随着时间发展，再训练一些Fast Answer，完全做成拼接方案。
可拔插的优势就可以成本降低，速度更快，有些地方甚至可以并行，而且可以让路由参与，就像GPT-5这种路由策略。
另外一方面，Claude在Code方面的表现，已经说明LLM是可以垂直化的，关键在于怎么运转成垂直化，所以AGI这个词，通用这个概念，是个微概念。
OpenAI在GPT-5上也考量了成本，并且开源市场非常发达，那么这种情况下，除了Coder以外，Think模型、Translation模型，甚至是多模态，会进一步垂直化，路由分配可拔插。
Claude Code的成功证明了专业化比通用化更有价值，市场用钱来检验过。Think模型的专业化分化：通用Think → 代码Think + 数学Think + 逻辑Think + 创意Think。垂直化趋势的可能性：95%+。驱动这一核心因素是经济的必然性，技术的成熟性，市场需求以及开源推动。2026，这一切将成为可能。最终，这个主战场会回到算法派Vs算法派。