DiffusionBlocks

DiffusionBlocks 主要作用是将块扩散（Block Diffusion）架构的扩散语言模型（dLLM）与 SGLang 推理框架进行适配。它通过复用 SGLang 现有的 Chunked-Prefill 执行流，让 dLLM 能够直接利用 SGLang 已有的性能优化，例如高效的 KV Cache 管理和批次调度，从而提升推理吞吐并降低延迟。整个方案对 SGLang 核心代码的侵入性极低，无需大规模修改框架即可让扩散模型获得生产级推理能力。

该方案的优点在于集成成本低、可快速获得 SGLang 生态的优化红利，避免了重复造轮子。同时它顺应了 dLLM 从全向注意力扩散向块扩散迁移的趋势，对计算效率和吞吐有针对性改进。

潜在缺点和门槛包括：仅适用于基于块扩散架构的特定 LLM，若模型使用其他扩散模式则无法受益；方案严格依赖 SGLang 环境，脱离该生态后即失效。使用者需要具备 SGLang 部署经验以及对扩散语言模型原理的理解，入门门槛较高。

当前公开信息有限，未发现明确的性能基准、商业定价或大规模生产部署案例。因此它更适合具备一定基础设施能力的研发团队进行技术验证和实验，暂不适合追求开箱即用的普通用户。对于不使用块扩散 LLM 或不想绑定 SGLang 的场景，则应另选方案。