/ Модель

Характеристики

Контекст
262 144 токена
Параметры
1,3 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
15 апр 2026

supergemma4-26b-dflash-pilot

Генерация текстаТекст → текст

Экспериментальная черновая модель AEON-7 для проверки конвейера speculative decoding с SuperGemma4-26B.

226скачиваний за 30 дней1лайквеса обновлены6 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

SuperGemma4-26B DFlash Draft — экспериментальный черновой декодер, созданный AEON-7 для ускорения генерации SuperGemma4 26B методом speculative decoding. Компактная модель предлагает несколько токенов параллельно с помощью блочной диффузии, а целевая модель проверяет предложения за один проход. Архитектура — DFlashDraftModel в стиле Qwen3; в карточке указаны 5 слоёв и скрытый размер 2816. Метаданные указывают 1,3 млрд параметров, контекст 262 144 токена и формат safetensors.

Модель дообучена на первых 5000 диалогах набора UltraChat 200K в течение одной эпохи. Это пилот для проверки обучения, экспорта и развёртывания, а не готовое средство ускорения: совпадение первого токена с целевой моделью составляет около 5,8%, поэтому накладные расходы проверки могут привести к замедлению генерации. Предназначена для использования вместе с целевой моделью SuperGemma4-26B через speculative decoding; самостоятельной языковой моделью общего назначения не является. Лицензия — Apache-2.0.

Сценарии применения

  • Проверка конвейера обучения и экспорта черновых моделей DFlash
  • Эксперименты со speculative decoding для генерации диалогов
  • Проверка совместимости черновой модели с целевой SuperGemma4-26B
  • Воспроизведение обучения DFlash на подмножестве UltraChat

Ограничения

Совпадение первого токена с целевой моделью составляет около 5,8%, поэтому в текущем виде модель может замедлять генерацию из-за расходов на проверку предложенных токенов. Пилот обучен всего на 5000 диалогах UltraChat за одну эпоху и предназначен для проверки конвейера, а не для производительного применения.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SuperGemma4-26B DFlash Draft (pilot / PoC)

This is a proof-of-concept DFlash block-diffusion drafter trained against AEON-7/supergemma4-26b-abliterated-multimodal-nvfp4 (the NVFP4-quantized SuperGemma4 26B Abliterated Multimodal model, bf16 twin).

What is this?

A small draft model used for speculative decoding: instead of the big 26B target generating one token per step, the drafter proposes multiple tokens in parallel using block diffusion, and the target verifies them in a single pass. This can 2-3× generation throughput once the drafter is accurate enough.

This release is a pilot (5K samples, 1 epoch, ~28 min on 1× RTX PRO 6000 Blackwell). Top-1 match rate with the target is only ~5.8%, too low to actually speed up generation. The artifact exists to validate the full training + export + deployment pipeline end-to-end. See Roadmap below.

Architecture

FieldValue
TypeDFlash block-diffusion drafter (Qwen3-style)
Layers5
Hidden2816 (matches target)
Heads22 attention / 22 KV
Head dim128 (vLLM-compatible)
Intermediate9728
Vocab262144
Max pos262144
Block size8
Target layer anchors[1, 8, 14, 20, 27]
Parameters~570M
Dtypebfloat16

Training

FieldValue
TargetSuperGemma4 26B (bf16, transformers 5.5.4 layout)
DataHuggingFaceH4/ultrachat_200k train_sft, first 5000 conversations
Seq length2048
OptimizerAdamW (fused)
LR6e-4 (linear decay, 50 warmup steps)
Epochs1
Steps5000 (bs=1, grad_accum=1)
Precisionbf16 mixed
Hardware1× NVIDIA RTX PRO 6000 Blackwell Server Edition (96 GB)
Wall time27:48
Loss (final step)~5.9 (noisy; distillation + self-logit)
Train acc @ step 50005.79% (parallel_0_step_0 top-1)

Training infra notes

Built with NVIDIA/TensorRT-Model-Optimizer#1211 (DFlash training mode, merged in modelopt 0.43.0rc2.dev). Required two local patches:

  1. EagleTrainerWithAccLog._save override to save drafter-only (1.2 GB) instead of the full 50 GB frozen target + drafter tree — stock HF Trainer would OOM the filesystem.
  2. modeling_gemma4.py line 2027 — bypass the mm_token_type_ids required when training check for text-only training.

Deployment with vLLM

vllm serve AEON-7/supergemma4-26b-abliterated-multimodal-nvfp4 \
    --speculative-config '{
        "method":"draft_model",
        "model":"AEON-7/supergemma4-26b-dflash-pilot",
        "num_speculative_tokens":5
    }' \
    --quantization modelopt \
    --max-model-len 65536

⚠️ With only 5.8% top-1, expect negative speedup (verification overhead swamps any gain). This pilot is for plumbing validation, not perf.

Roadmap

This pilot proves the training stack. To make it actually fast:

StageDataEpochsExpected top-1ETA
Pilot (this)5K15.8%28 min × 1 GPU
Small50K3~25%~15 hr × 1 GPU
Medium500K3~55%~6 days × 1 GPU (or 18 hr × 8 GPUs)
Production2M5-1070-80%~1 week × 8 GPUs

Production-quality domain-general data (mix of ShareGPT, UltraChat, Magpie, LMSYS Chat, code) rather than UltraChat alone is also key.

Files

  • model.safetensors — 1.2 GB, 58 tensors (5-layer drafter)
  • config.json — Qwen3-style DFlashDraftModel config
  • tokenizer.json, tokenizer_config.json, chat_template.jinja — from target
  • trainer_state.json — loss/acc history per step
  • training_args.bin — exact training config for reproducibility

License

Apache 2.0. This is derived work from the SuperGemma4 26B target.


☕ Support the work

AEON-7 models, drafters and tools are built and trained independently, on my own hardware. If they're useful to you, please consider supporting development:

Become a member on Patreon → patreon.com/cw/AeonForge7/membership

Milestones unlock bigger work: reaching 500 paid supporters will fund fine-tuning larger models and bigger project releases. Supporters also get early access to new releases, such as the AEON DFlash2 drafter.

If this release has been useful, tips are deeply appreciated — they go directly toward more compute, more models, and more open releases.

Ethereum L2s (Base, Arbitrum, Optimism, Polygon, etc.) and EVM-compatible tokens can be sent to the same Ethereum address.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
DFlashDraftModel
Ревизия весов
c05d76b

0 моделей