TeaBlockCache 在 TeaCache 的时间维缓存框架上进一步细化到了 Block 级：对每个 Block 保存上一次经 Layer Norm 调制后的输入快照，仅取前 1/8 通道计算 L1 相对变化，并将变化经多项式加权累积为误差积分；若积分未超阈值则直接复用缓存结果、跳过该 Block 计算，否则刷新缓存并重新前向。同时，系统维护一份全局泰勒缓存：每次真实前向都把当前隐状态写入 0 阶项，并用差分近似更新 1–2 阶导数；当首块连续多步波动极小且超过 first_enhance 阈值时，触发整网泰勒外推，用缓存导数预测下一步隐状态，若预测数值稳定则整步前向全部省略。这样，框架能在细粒度的 Block 级跳算与粗粒度的整网外推之间自适应切换，在保持生成质量的同时将推理时间进一步压缩至 2× 以上。
python text_to_image_generation_teablockcache_taylor_flux.py
或通过hook方式调用：
python text_to_image_generation_teablockcache_taylor_flux_hook.py
| 字段 | 类型 | 作用 / 触发条件 | 常用取值 |
|---|---|---|---|
step_start |
int | Block/Taylor 跳算 开始 的时间步（此前全量计算） | 50–100 |
step_end |
int | Block/Taylor 跳算 结束 的时间步（之后恢复全量计算） | 900–950 |
block_cache_start |
int | Block-级缓存启用起始步 | 1 |
single_block_cache_start |
int | 单 Block 缓存启用起始步 | 1 |
block_rel_l1_thresh |
float | 判断整块可否复用的 L1 相对阈值 | 1–3 |
single_block_rel_l1_thresh |
float | 判断单块可否复用的 L1 相对阈值 | 1–3 |
rel_l1_thresh |
float | TeaCache 全局 L1 阈值 | 1–3 |
max_order |
int | 泰勒缓存 最高阶（0=值，1=一阶导 …） | 1 或 2 |
first_enhance |
int | 首块连续极小波动达到此次数后触发整网泰勒外推 | 1–3 |