# NVIDIA y Princeton presentan ReplaySSM para acelerar la decodificación de modelos híbridos

> Los investigadores afirmaron que ReplaySSM, que almacena temporalmente entradas de modelos de espacio de estados, aceleró entre 1,46 y 1,80 veces los kernels de decodificación en cuatro modelos con lote 256.

- URL canónica: https://newsverum.com/es/news/nvidia-princeton-replay-ssm-speeds-hybrid-decoding-october-2026
- Publicación: Newsverum
- Sección: Tecnología
- País: Estados Unidos
- Publicado: 2026-10-15T19:00:45+00:00
- Actualizado: 2026-10-15T19:00:45+00:00
- Período del evento / de los datos: 2026-10-12
- Otras ediciones: [Türkçe](https://newsverum.com/tr/news/nvidia-princeton-replay-ssm-speeds-hybrid-decoding-october-2026.md), [English](https://newsverum.com/en/news/nvidia-princeton-replay-ssm-speeds-hybrid-decoding-october-2026.md), [العربية](https://newsverum.com/ar/news/nvidia-princeton-replay-ssm-speeds-hybrid-decoding-october-2026.md), [Français](https://newsverum.com/fr/news/nvidia-princeton-replay-ssm-speeds-hybrid-decoding-october-2026.md), [Deutsch](https://newsverum.com/de/news/nvidia-princeton-replay-ssm-speeds-hybrid-decoding-october-2026.md), [Português](https://newsverum.com/pt/news/nvidia-princeton-replay-ssm-speeds-hybrid-decoding-october-2026.md)

Investigadores de NVIDIA y del Dao AI Lab de la Universidad de Princeton presentaron ReplaySSM, un método para modelos de lenguaje híbridos que almacena temporalmente entradas recientes de modelos de espacio de estados (SSM) en vez de escribir todo el estado en memoria en cada paso de token. Representa el estado mediante un punto de control y un búfer corto de entradas, separando el cálculo de salida de las actualizaciones de estado para simplificar la reversión de la decodificación especulativa y limitar la acumulación de errores en lecturas de baja precisión.

En pruebas con cuatro modelos Nemotron 3 y Qwen3.5 con lote 256, el equipo comunicó aceleraciones de 1,46 a 1,80 veces en los kernels de decodificación y de 1,20 a 1,47 veces de extremo a extremo; las mismas pruebas no mostraron mejoras con lote 1. En dos modelos de clase 120B, el rendimiento de generación especulativa aumentó 1,85 y 2,10 veces con lote 512. Son resultados del equipo bajo sus propias condiciones de hardware y software; el método se ha integrado en TensorRT-LLM, vLLM y FlashInfer.

## Datos

### Aceleración de decodificación con ReplaySSM

Extremos de los intervalos de aceleración comunicados en cuatro modelos híbridos con lote de servicio de 256.

Metodología: Resultados en cuatro modelos publicados el 12 de octubre de 2026 por NVIDIA y el laboratorio Dao AI de Princeton, comparados con kernels vLLM optimizados. Cada medida aparece como un intervalo en la fuente; aquí solo se registran sus extremos inferior y superior. Las pruebas usaron una GPU H100 o B300 y un lote de 256. Son resultados de los autores bajo sus condiciones de hardware e implementación.

| date | label | description | status |
|---|---|---|---|
| 2026-10-12 | NVIDIA y Princeton presentan ReplaySSM para acelerar la decodificación de modelos híbridos | En pruebas con cuatro modelos Nemotron 3 y Qwen3.5 con lote 256, el equipo comunicó aceleraciones de 1,46 a 1,80 veces en los kernels de decodificación y de 1,20 a 1,47 veces de extremo a extremo; las mismas pruebas no mostraron mejoras con lote 1. En dos modelos de clase 120B, el rendimiento de generación especulativa aumentó 1,85 y 2,10 veces con lote 512. Son resultados del equipo bajo sus propias condiciones de hardware y software; el método se ha integrado en TensorRT-LLM, vLLM y FlashInfer. | occurred |

Fuentes: <https://developer.nvidia.com/blog/replayssm-rethinking-state-storage-for-faster-hybrid-model-decoding/> · Descargar datos: [JSON](https://newsverum.com/api/v1/articles/nvidia-princeton-replay-ssm-speeds-hybrid-decoding-october-2026/data/replayssm-decoding-speed-ranges?lang=es&format=json) · [CSV](https://newsverum.com/api/v1/articles/nvidia-princeton-replay-ssm-speeds-hybrid-decoding-october-2026/data/replayssm-decoding-speed-ranges?lang=es&format=csv)

## Fuentes

- [NVIDIA Technical Blog and Princeton University Dao AI Lab](<https://developer.nvidia.com/blog/replayssm-rethinking-state-storage-for-faster-hybrid-model-decoding/>) (Fuente comprobada: 2026-10-15; Publicado: 2026-10-12)

---

Cite la URL canónica indicada arriba. [Principios editoriales y correcciones](https://newsverum.com/es/editorial)