/ Модель

Характеристики

Контекст
1 048 576 токенов
Параметры
2,7 млрд
Архитектура
k3_dspark · dense
Базовая модель
Kimi-K3
Опубликована
23 авг 2026

Kimi-K3-DSpark-Block5

Генерация текстаТекст → текст3 профессии

Draft-модель DSpark для ускорения генерации Kimi-K3 методом speculative decoding с предсказанием блоков до пяти токенов.

616скачиваний за 30 дней1лайквеса обновлены25 авг 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

Inferact/Kimi-K3-DSpark-Block5 — вспомогательная draft-модель DSpark для ускорения генерации Moonshot AI Kimi-K3 методом speculative decoding. Она содержит 2,7 млрд параметров и использует три причинно-маскированных MLA-слоя, обученных предсказывать блок из пяти токенов по скрытым состояниям трёх слоёв целевой модели. Модель предназначена для совместной работы с Kimi-K3 в vLLM и не является самостоятельной языковой моделью для обычной генерации.

В тестах на Kimi-K3 проверялись задачи GSM8K, HumanEval, MBPP и длинные диалоги на контексте до 1 048 576 токенов с поддержкой YaRN. На всех 1 604 запросах ошибок выполнения не было; в отдельной проверке GSM8K точность составила 96,51%. Эти результаты относятся к описанной конфигурации оборудования и тестирования, а в части длинных диалогов два завершения были отмечены как вырожденные. Веса опубликованы в формате safetensors; лицензия в предоставленных данных не указана.

Сценарии применения

  • ускорение генерации текста в Kimi-K3 через speculative decoding
  • ускорение решения математических задач GSM8K на Kimi-K3
  • ускорение генерации кода для HumanEval и MBPP на Kimi-K3
  • ускорение обработки диалогов с контекстом до миллиона токенов

Ограничения

Модель предназначена для совместной работы с Kimi-K3 через vLLM и не является самостоятельной генеративной моделью. В тестах длинного контекста два успешных завершения были помечены как вырожденные; результаты бенчмарков зависят от указанной конфигурации.

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

Kimi-K3 DSpark — Block 5

A DSpark draft model for speculative decoding with moonshotai/Kimi-K3. Three full-causal MLA layers, conditioned on hidden states extracted from three of the target's layers and trained at block_size=5: one forward pass drafts the full five-token block.

Training

The draft completed a four-epoch run with speculators, the speculative-decoding library from the vLLM project, against Kimi-K3 hidden states streamed live from vLLM.

Acceptance

Evaluated against Kimi-K3 on 8×B300 (TP8), drafting 5 tokens with probabilistic sampling and block rejection at temperature 1.0 and top-p 0.95. All 1,604 requests succeeded. The aggregate is computed from summed counters, not an average of arm rates.

WorkloadRequestsAcceptanceMean accepted length (max 6)
GSM8K25671.62%4.581
HumanEval16463.74%4.187
MBPP25656.38%3.819
MATH-50050047.48%3.374
SWE-bench Pro12838.09%2.904
MT-Bench8033.19%2.659
AIME263029.78%2.489
AA-LCR (~100K)10041.04%3.052
BEAM 100K2037.17%2.858
BEAM 500K3530.26%2.513
BEAM 1M3531.37%2.569
Aggregate1,60446.10%3.305

The separate five-shot GSM8K accuracy check scored 96.51% exact match on all 1,319 examples with zero request errors.

The full 1M context window is supported through YaRN, evaluated on every row of the BEAM 100K, 500K, and 1M splits above. The fixed 1M acceptance corpus left-truncates oldest turns in 14 of 35 over-limit source conversations to keep prompt plus output within 1,048,576 tokens; its longest measured prompt is 1,039,871 tokens. Two successful completions were flagged as degenerate by the client (BEAM 500K conversation 4 and BEAM 1M conversation 18). Full counters, per-position rates, and quality flags are in benchmark_results.json.

Serving

vllm serve moonshotai/Kimi-K3 \
  --trust-remote-code \
  --tensor-parallel-size 8 \
  --max-model-len 1048576 \
  --speculative-config '{
    "method": "dspark",
    "model": "Inferact/Kimi-K3-DSpark-Block5",
    "num_speculative_tokens": 5,
    "attention_backend": "FLASHINFER_MLA",
    "draft_sample_method": "probabilistic",
    "rejection_sample_method": "block"
  }'

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура k3_dspark неизвестна transformers в образе рантайма.

Класс архитектуры
K3DSparkModel
Ревизия весов
b6d39a9

0 моделей