/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
Qwen3.8-27B-DSpark
Опубликована
6 сен 2026

Qwen3.8-27B-DSpark-GGUF

ЭмбеддингиТекст → embedding3 профессии

Anbeeld/Qwen3.8-27B-DSpark-GGUF — набор GGUF-квантизаций черновой модели RadixArk DSpark для ускорения генерации целевых моделей Qwen3.8-27B.

2 870скачиваний за 30 дней2лайкавеса обновлены6 сен 2026

Бенчмарки

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

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

Модель разработана Anbeeld на основе RadixArk/Qwen3.8-27B-DSpark, обученной с использованием SpecForge и предназначенной для speculative decoding в связке с SGLang. Это не самостоятельная языковая модель: для работы ей требуется совместимая целевая модель Qwen3.8-27B, а GGUF-варианты рассчитаны на BeeLlama.cpp — форк llama.cpp с расширенными возможностями квантизации.

Черновая модель содержит около 1,86 млрд параметров, использует BF16, пять полноценных attention-слоёв, GQA с 32 query heads и 8 key/value heads, VanillaMarkov head ранга 256 и максимальную длину последовательности 262 144 позиции. Конфигурация предполагает семь черновых предложений и проверку до восьми токенов целевой моделью. В README приведены оценки на задачах программирования, математики, диалогов, общих знаний и длинного контекста: для DSpark v2 заявлены средняя длина принятой последовательности 3,43 токена на запрос и ускорение генерации до 3,16 раза при единичной конкурентности, однако результаты зависят от целевой модели, оборудования, режима обслуживания и нагрузки.

Сильная сторона модели — повышение пропускной способности и снижение стоимости авторегрессионной генерации при сохранении проверки результатов целевой моделью. Ограничения включают необходимость совместимого target-чекпойнта и специализированного программного стека; приведённые показатели получены на GPU NVIDIA GB300 и H200 и не гарантируют аналогичную производительность на другом оборудовании. В метаданных указана лицензия «other», но её конкретные условия в README не раскрыты.

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

Qwen3.8 27B DSpark GGUF

GGUF quantizations of RadixArk DSpark draft model for Qwen3.8 27B.

Use with BeeLlama.cpp, a llama.cpp fork with advanced quantization features.


Qwen3.8-27B-DSpark

A DSpark speculative-decoding draft model for Qwen3.8-27B target models, trained with SpecForge and served with SGLang.

The checkpoint has been evaluated with both RadixArk/Qwen3.8-27B-NVFP4 and Qwen/Qwen3.8-27B-FP8 targets. The acceptance-length evaluation below uses the NVFP4 target. The throughput evaluation uses the FP8 target.

Checkpoint

  • Draft parameters: 1,857,358,337 (1.86B)
  • Draft weight dtype: BF16
  • Hidden size: 5,120
  • Transformer layers: five full-attention layers
  • Attention: GQA with 32 query heads and eight key/value heads
  • Target auxiliary feature layers: 5, 19, 33, 47, 61
  • Markov head: VanillaMarkov, rank 256
  • Training target width: 16 future positions
  • Serving gamma: seven draft proposals
  • Target verification width: eight tokens, including the target bonus token
  • Maximum position embeddings: 262,144

The serving configuration uses block_size=7. The separate training_block_size=16 records the supervision width used during training.

Acceptance length

Results cover 64,675 completed requests across 17 workloads.

CategoryWorkloadPromptsDSpark v1DSpark v2
CodeHumanEval1643.04373.8468
CodeMBPP2573.22994.0603
CodeLiveCodeBench1,0552.59153.3462
CodeBigCodeBench1,1402.77523.4678
MathGSM8K1,3193.60304.5162
MathMATH-5005003.25594.2267
MathAIME 2025302.97983.9401
MathAMC23403.21114.1572
MathGSM-Symbolic2,0483.45544.2716
ChatMT-Bench802.60753.2860
ChatAlpaca52,0022.56593.2337
ChatArena-Hard-v27502.59103.2536
ChatIFEval5412.94573.6628
Misc.MMLU-Pro2,0482.83453.5964
Misc.GPQA-Diamond1982.76343.5109
Misc.LongBench-v25033.26023.9268
Misc.RULER-8K2,0004.95856.3009
AggregateDSpark v1DSpark v2Change
Request-count weighted, 64,675 prompts2.7211433.428567+26.00%
Workload macro, 17 workloads3.0983683.917881+26.45%

Acceptance-length protocol:

  • Runtime: SGLang v0.5.17
  • Hardware and topology: four NVIDIA GB300 GPUs, DP4 × TP1
  • Sampling: thinking enabled, temperature 1.0, top-p 0.95, top-k 20, seed 980406
  • Generation limit: 8,192 tokens; client concurrency: 128

Throughput

Throughput is total output tokens divided by end-to-end timed wall duration. Each speculative-decoding cell is output tok/s (speedup over autoregressive).

Concurrency 1

WorkloadAutoregressiveEAGLEDSpark v1DSpark v2
GSM8K94.2179.9 (1.91×)238.6 (2.53×)297.3 (3.16×)
MATH-50095.0174.0 (1.83×)214.4 (2.26×)280.0 (2.95×)
HumanEval95.8165.5 (1.73×)205.5 (2.14×)254.8 (2.66×)
MBPP93.8166.7 (1.78×)208.6 (2.22×)261.6 (2.79×)
MT-Bench95.8157.4 (1.64×)171.3 (1.79×)215.8 (2.25×)

Concurrency 8

WorkloadAutoregressiveEAGLEDSpark v1DSpark v2
GSM8K602.71,001.1 (1.66×)1,183.8 (1.96×)1,494.0 (2.48×)
MATH-500635.21,071.6 (1.69×)1,208.2 (1.90×)1,575.1 (2.48×)
HumanEval667.91,031.3 (1.54×)1,159.2 (1.74×)1,435.1 (2.15×)
MBPP635.4988.3 (1.56×)1,123.7 (1.77×)1,393.7 (2.19×)
MT-Bench647.9963.2 (1.49×)958.4 (1.48×)1,195.5 (1.85×)

Concurrency 32

WorkloadAutoregressiveEAGLEDSpark v1DSpark v2
GSM8K1,298.51,969.5 (1.52×)1,934.2 (1.49×)2,268.5 (1.75×)
MATH-5001,764.22,353.4 (1.33×)2,014.2 (1.14×)2,545.2 (1.44×)
HumanEval1,862.22,296.9 (1.23×)1,918.5 (1.03×)2,472.3 (1.33×)
MBPP1,738.42,286.3 (1.32×)1,926.3 (1.11×)2,413.1 (1.39×)
MT-Bench1,814.22,133.4 (1.18×)1,593.3 (0.88×)1,973.0 (1.09×)

Throughput protocol:

  • EAGLE uses the target-integrated MTP head loaded as Qwen3_5ForCausalLMMTP, without an external draft checkpoint
  • Hardware and topology: one NVIDIA H200 per workload, TP1 × DP1
  • 128 prompts per cell, dataset shuffle seed 42, concurrency 1/8/32, max_tokens=2048, reasoning effort xhigh, temperature 1.0, top-p 0.95, top-k 20
  • EAGLE serving: three speculative steps, top-k 1, four draft tokens, Mamba full-memory ratio 8.26, extra_buffer radix-cache strategy, float32 Mamba state
  • DSpark serving: gamma 7, target verify width 8, one speculative step, block size 7, Mamba full-memory ratio 11.93, extra_buffer radix-cache strategy, float32 Mamba state
  • Autoregressive and EAGLE serving used mem-fraction-static=0.85. DSpark used 0.80 with expandable CUDA allocation segments. Every mode retained its complete prefill and speculative-verification CUDA graph set and used max-running-requests=48.

Serving with SGLang

PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True \
SGLANG_RAGGED_VERIFY_MODE=static \
sglang serve \
  --trust-remote-code \
  --model-path Qwen/Qwen3.8-27B-FP8 \
  --kv-cache-dtype fp8_e4m3 \
  --mem-fraction-static 0.80 \
  --attention-backend flashinfer \
  --chunked-prefill-size 32768 \
  --max-prefill-tokens 32768 \
  --reasoning-parser qwen3 \
  --tool-call-parser qwen3_coder \
  --mamba-full-memory-ratio 11.93 \
  --mamba-radix-cache-strategy extra_buffer \
  --mamba-ssm-dtype float32 \
  --max-running-requests 48 \
  --speculative-algorithm DSPARK \
  --speculative-draft-model-path RadixArk/Qwen3.8-27B-DSpark \
  --speculative-draft-model-quantization unquant \
  --speculative-draft-attention-backend flashinfer \
  --speculative-dspark-block-size 7 \
  --speculative-num-steps 1 \
  --speculative-eagle-topk 1 \
  --host 127.0.0.1 \
  --port 30000

Artifact identity

FileBytesSHA-256
model.safetensors3,714,723,3222aff025f45823b40ebe726b9dfa40302f3512bd9a11c3a7347de32a567acd9a7
config.json2,448dd65fb1b01c2adea69512ff2990a79d58eb7fe2c7ea97375aa66f657a29a5bfd

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
77843de

0 моделей