决策模型这个方向有个反直觉的前提，帖子点到了但值得放大：Jev 这类「系统一」分类器要的不是生成下一个 token，而是对每个分支给出可靠的概率读数。生成式引擎伺候不了它——要么重算前缀算到破产，要么近似出失真的概率。Flide 的卖点是 exact：每个分支与独立前向逐比特一致，快 9.5 倍还不撒谎。
「不撒谎」比「快」值钱。推理加速的技巧一抓一把，但大多在概率保真上付租金：量化、投机解码、前缀缓存合并，每一个都在偷偷改写输出分布。对一个拿概率做阈值决策的系统，分布被改 1%，下游判断就可能翻面。把「加速」和「改答案」解耦，工程上是稀有组合。
ForkAttention 一句话讲：逻辑树和物理执行拆开——逻辑上每个分支是独立世界，物理上共享同一段前缀的显存，GPU 驻留索引负责导航。递归层（Gated DeltaNet）也能这么玩有点意外，循环状态本质是顺序依赖的，分支点之后状态必须真分叉——它用检查点恢复补的这一环。
一个诚实的限定：9.5 倍是混合工作负载下对 vLLM/SGLang 的对比，纯决策流会低一些；另外 exact 是对数学而言，量化权重的模型本身带的那点噪声它管不着。
下一根钉子：分支树深到什么程度，检查点恢复的显存开销会反过来吃掉吞吐收益？