/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
1,6 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B-DFlash-b16
Библиотека
transformers
Опубликована
28 июл 2026

Qwen3-8B-AdaFlash

ЭмбеддингиТекст → embedding3 профессии

Адаптивный диффузионный черновик для спекулятивного декодирования, ускоряющий генерацию текста моделью Qwen3-8B.

34скачиваний за 30 дней0лайковвеса обновлены11 авг 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 «Эмбеддинги» — 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

AdaFlash — модель-черновик для ускорения генерации текста моделью Qwen3-8B с помощью спекулятивного декодирования. Она разработана как адаптивный диффузионный черновик: голова адаптивной длины динамически выбирает число кандидатов на каждом шаге, балансируя скорость и долю принятых кандидатов. Модель дообучена на основе z-lab/Qwen3-8B-DFlash-b16 методом on-policy distillation с данными PerfectBlend и reverse-KL loss.

Модель имеет плотную архитектуру Qwen3, класс DFlashDraftModel и 1,6 млрд параметров. Она принимает текст и выдаёт черновые текстовые кандидаты, предназначенные для проверки целевой моделью; заявленная длина контекста — 40 960 токенов. Репозиторий содержит веса Safetensors, модель использует библиотеку Transformers и требует сборку SGLang с патчем PR #34171 для сервинга. Лицензия — Apache-2.0.

Сценарии применения

  • ускорение инференса Qwen3-8B через спекулятивное декодирование
  • адаптивный подбор числа черновых токенов на шаг генерации
  • снижение задержки при генерации текста целевой LLM
  • развёртывание черновика DFlash в SGLang

Ограничения

Для сервинга требуется SGLang с патчем PR #34171. Черновые кандидаты предназначены для проверки целевой моделью Qwen3-8B, поэтому модель не является самостоятельной универсальной генеративной системой.

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

AdaFlash: Adaptive Speculative Decoding via On-Policy Distilled Diffusion Drafters

Paper GitHub


Overview

This is the AdaFlash drafter for Qwen3-8B — an on-policy distilled diffusion drafter with an adaptive length head, trained using PerfectBlend data and reverse-KL loss. It is initialized from Qwen3-8B-DFlash-b16.

AdaFlash accelerates LLM inference through speculative decoding. The adaptive length head dynamically adjusts the number of draft candidates per step, balancing speed and acceptance rate.

Quick Start

AdaFlash requires the patched SGLang PR #34171 for serving.

# Install
conda create -n adaflash python=3.12 -y && conda activate adaflash
pip install "sglang[all] @ git+https://github.com/sgl-project/sglang.git@refs/pull/34171/head#subdirectory=python"

# Serve
export MODEL_PATH=Qwen/Qwen3-8B
export DRAFT_MODEL_PATH=AdaFlash/Qwen3-8B-AdaFlash

# Launch the server & benchmark
bash scripts/tools/benchmark.sh

For full setup, training, and benchmark details, see the GitHub repo.

Citation

@article{arxiv'26:adaflash,
  title   = {AdaFlash: Adaptive Speculative Decoding via On-Policy Distilled Diffusion Drafters},
  author  = {Qian, Yu-Yang and Wu, Hao-Cong and Chen, Chen and Sun, Jiacheng and Dong, Zhenhua and Zhao, Peng and Zhou, Zhi-Hua},
  journal = {ArXiv preprint},
  volume  = {arXiv:2607.19223},
  year    = {2026}
}

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
6d9b5c2

0 моделей