/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3 млрд
Размер весов
5,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-32B
Библиотека
transformers
Опубликована
26 фев 2026

qwen3-32b-dflash-en-zh

Генерация текстаТекст → текст3 профессии

Черновая DFlash-модель для ускорения спекулятивного декодирования Qwen3-32B через SpecForge.

386скачиваний за 30 дней3лайкавеса обновлены1 мар 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

AICP-Labs публикует DFlash — черновую модель для ускорения спекулятивного декодирования вместе с целевой Qwen3-32B. Модель имеет плотную архитектуру DFlashDraftModel и содержит около 3 млрд параметров; для работы её используют с целевой моделью через SpecForge. Заявленный контекст — 40 960 токенов.

Модель обучена на подмножестве EagleChat примерно из 400 тысяч примеров: около 200 тысяч на английском и 200 тысяч на китайском. Она предназначена для ускорения генерации целевой модели, а не для самостоятельного применения как универсальный чат-ассистент. В описанных тестах на H100 показано ускорение на наборах задач, однако результаты зависят от оборудования и параметров запуска. Репозиторий использует формат safetensors и лицензию Apache-2.0.

Сценарии применения

  • ускорение генерации ответов Qwen3-32B
  • ускорение инференса языковой модели через спекулятивное декодирование
  • проверка пропускной способности Qwen3-32B на бенчмарках
  • развертывание DFlash-черновой модели в SpecForge

Ограничения

Модель предназначена для совместной работы с целевой Qwen3-32B через совместимый стек DFlash/SpecForge и не описана как самостоятельная универсальная модель. Заявленные показатели ускорения получены на H100 и зависят от оборудования и настроек бенчмарка.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-32B DFlash Draft Model (EagleChat 400K Mix)

A DFlash draft model trained from Qwen3-32B using a EagleChat subset (English 200K + Chinese 200K) to accelerate speculative decoding.


Model Summary

This repository provides a DFlash draft model for Qwen3-32B. The draft model is intended to be used together with the target model in SpecForge, improving throughput (output tokens/sec) under standard speculative verification.

  • Base / Target model: Qwen/Qwen3-32B
  • Draft model type: DFlash (speculative decoding draft)
  • Training data: EagleChat subset (English 200K + Chinese 200K; total ~400K)
  • Training hardware: H100
  • Primary use case: accelerate inference with DFlash / SpecForge


Training Details

Data

  • Dataset: EagleChat subset
  • Composition:
    • English: ~200,000 samples
    • Chinese: 200,000 samples
  • Total: ~400,000 samples

Procedure

  • Epochs: 6
  • Sequence length: 4096
  • Precision: bf16
  • Codebase: SpecForge (DFlash training)

Evaluation

Benchmark settings

  • Target model: /models/Qwen3-32B
  • Draft model: sx-aicp/qwen3-32b-dflash-en-zh (or local path)
  • Max new tokens: 2048
  • Attention backend: fa3
  • Tensor parallel (tp_size): 4
  • device_sm: 90 (H100)
  • drop_first_batch: true
  • Concurrencies: 1 / 4 / 32 (varies by suite)

Speed Bench Results

Environment: H100 (SM90), tp=4, attention=fa3, max_new_tokens=2048, drop_first_batch=true.

Unified Summary

BenchmarkConc=1Conc=4Conc=32
Math500109.20 → 392.633.595× / L=5.564409.44 → 1351.513.301× / L=5.5822554.68 → 4554.811.783× / L=5.588
HumanEval108.93 → 331.663.045× / L=4.769407.34 → 1129.162.772× / L=4.7562482.40 → 3632.361.463× / L=4.757
MT-Bench109.19 → 233.752.141× / L=3.791409.97 → 804.641.963× / L=3.8522470.75 → 2767.161.120× / L=3.917

Format: baseline tok/s → DFlash tok/s; Speedup× / L(acceptance length).

How to Evaluate (z-lab / dflash)

python benchmark_sglang.py \
  --tp-size 4 \
  --target-model /models/Qwen3-32B \
  --draft-model /path/to/draft_model \
  --concurrencies 1,4,32 \
  --dataset-name math500 \
  --attention-backends fa3 \
  --output-md sglang_results.md

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
68ccc7f

0 моделей