扩散语言模型（DLLM）的并行生成潜力一直被「双向注意力破坏 KV 缓存」这堵工程墙挡在门外：理论上吞吐再高，落到生产里跑不过 vLLM 这种被 FlashAttention、PagedAttention、CUDA Graphs 三件套武装到牙齿的自回归推理引擎。腾讯 WeChat AI 团队这次给出的答案 WeDLM 选择了不寻常的路径：保留标准因果注意力，用「Topological Reordering」把已观测 token 搬到物理前缀而保留其逻辑位置，从而在严格 causal mask 下做并行解码。 效果立竿见影：WeDLM-8B-Instruct 基于 Qwen3-8B 微调，在 GSM8K、MATH 等数学推理任务上对 vLLM 优化版 Qwen3-8B 取得 3-6× 加速；顺序生成、计数题这类低熵场景最高能到 10×。7B/8B 两档模型、推理引擎 wedlm、Docker 镜像和评测脚本一同开源，Apache 2.0 协议。 更关键的是部署侧零摩擦：FlashAttention、PagedAttention、CUDA Graphs 一条不漏地复用，Prefix Cache 天然兼容，工程团队不用重写内核就能接入。这与同期 LLaDA、Dream-7B 等仍坚持双向注意力的路线形成鲜明对比——它们在论文里赢了 benchmark，部署时却要为 KV 缓存重新设计。 DLLM 阵营过去一年「理论上赢、工程上输」的尴尬，根源是沉醉于双向注意力的理论优雅而牺牲了部署效率。WeDLM 反其道而行：把因果 mask 当作工程资产而非设计缺陷，是务实的取舍。这条路径如果被更多团队跟进，扩散 LLM 进入生产环境的门槛会显著降低，而 KV 缓存兼容性会成为评估生成范式的新基线。