llama.cpp 合并 PR：新增 GLM-5.2 推测解码支持

llama.cpp 项目近期合并了 PR #25980，正式为 GLM_DSA（GLM-5.2）模型引入 NextN/MTP（Multi-Token Prediction）形式的推测解码（speculative decoding）支持。该 PR 由开发者 satindergrewal 提交，目前已在主干合并。

什么是推测解码

推测解码是一类常见的 LLM 推理加速技术：先用一个小而快的「草稿模型」一次性预测若干候选 token，再由目标大模型对这些候选做并行验证。若多数候选被接受，则可在单次前向中产出多个 token，从而在保持输出结果一致的前提下提升整体吞吐、降低单 token 延迟。NextN / MTP 是其中一种实现思路，通常利用训练阶段已经学到的「下一 N 个 token」预测头来充当草稿模型，避免额外引入独立草稿网络。

本次合并的内容

根据 PR 描述，本次改动属于模型层适配工作，主要面向 llama.cpp 用户在本地或自建服务中运行 GLM_DSA（GLM-5.2）权重时的推理路径。合并后，理论上该模型在 llama.cpp 上的解码阶段可以走 NextN/MTP 流程，而不再局限于朴素的逐 token 自回归。

• 适配对象：GLM_DSA，即 GLM-5.2 模型在 llama.cpp 中的内部代号。
• 新增能力：NextN/MTP 推测解码路径。
• 项目：ggml-org/llama.cpp，PR #25980。

对实际使用的影响

需要说明的是，PR 本身只是合并了一项能力，并未在标题或描述中给出具体的加速比、显存占用变化或兼容性说明。因此，关于「能快多少」「支持哪些量化档位」「是否需要额外参数启用」等关键细节，暂以上游代码与后续文档为准。

对于已经在用 llama.cpp 部署 GLM 系列权重的开发者来说，这意味着多了一条可选的推理加速路径；而对于普通用户，更值得关注的是上游是否会在后续版本中默认启用，或在 release notes 中补充具体的使用方法与性能数据。