Es una técnica de optimización para acelerar la generación de texto en LLMs. Utiliza un modelo borrador, más pequeño y rápido, para ""especular"" o predecir una secuencia de varios tokens futuros. Luego, un modelo principal, más grande y preciso, valida esta secuencia en un solo paso. Esto transforma la interacción en una herramienta más fluida y rápida para el trabajo, ya que reduce drásticamente la latencia. La calidad se mantiene midiendo que la precisión de la respuesta final no se vea comprometida por la aceleración.