/ Модель

Характеристики

Контекст
262 144 токена
Параметры
2,9 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3.8-27B-DFlash2
Опубликована
15 сен 2026

Qwen3.8-27B-DFlash2-b32

Генерация текстаТекст → текст3 профессии

Черновая модель DFlash 2 предлагает блоки токенов для ускорения спекулятивной генерации целевой Qwen3.8-27B.

670скачиваний за 30 дней0лайковвеса обновлены16 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

Jonas Loos разработал эту черновую модель DFlash 2 для Qwen3.8-27B: она дообучена на базе z-lab/Qwen3.8-27B-DFlash2 и предназначена для спекулятивного декодирования. Модель предлагает блоки до 32 следующих токенов, после чего целевая Qwen3.8-27B проверяет эти предложения. Она не является самостоятельной языковой моделью и должна использоваться вместе с совместимой целевой моделью и сервером генерации.

Дообучение проводилось на ответах Qwen3.8-27B в режиме thinking для публичных запросов по общению, математике и программированию. По результатам автора, по сравнению с исходной черновой головой точность предложений на позициях 9–31 выросла примерно на 25%; на тестах GSM8K, диалогах в режиме thinking и HumanEval увеличилось число принимаемых токенов за проход. Проверена работа в MLX-движке qwen-spec на Apple Silicon; совместимость с SGLang и vLLM заявлена, но не проверена автором. Репозиторий содержит веса Safetensors, заявленный размер модели — 2,9 млрд параметров, контекст — до 262 144 токенов. Лицензия — Apache-2.0.

Сценарии применения

  • ускорение генерации текста Qwen3.8-27B на Apple Silicon через qwen-spec
  • ускорение ответов Qwen3.8-27B в режиме рассуждений
  • ускорение решения математических задач целевой моделью
  • ускорение генерации кода целевой моделью

Ограничения

Модель не генерирует текст самостоятельно: ей нужна совместимая целевая Qwen3.8-27B для проверки предложенных токенов. Автор проверил её только в движке qwen-spec на MLX; совместимость с SGLang и vLLM не тестировалась.

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-DFlash2-b32

A DFlash 2 draft model for Qwen/Qwen3.8-27B, fine-tuned from z-lab/Qwen3.8-27B-DFlash2 for longer drafts. It is not a standalone language model: it proposes tokens that the target model then verifies (speculative decoding). Made for qwen-spec, which runs Qwen3.8-27B on Apple silicon and uses this head by default (write-up).

What changed

A DFlash 2 head guesses a whole block of upcoming tokens in one pass. The original head was trained for blocks of 8 tokens, and its guesses beyond the 15th position are rarely right. This head was trained for blocks of 32 tokens on Qwen3.8's own thinking-mode answers: positions 1 to 8 are as accurate as before, positions 9 to 31 are right about 25% more often. The gain shows up when the drafts are long enough to use those positions.

Accepted tokens per pass on a MacBook Pro (M5, 4-bit Qwen3.8-27B, exact sampling), each head with a draft tree of 32 tokens:

original headthis head
GSM8K (thinking)6.07.0 (+16%)
chat (thinking)3.94.2 (+7%)
HumanEval11.915.5 (+30%)

Training

  • Data: 25.7K prompts from public chat, math and code sets, each answered once by Qwen3.8-27B in thinking mode with its recommended sampling settings (110M tokens). The permissively licensed part (17K prompts, 54M tokens) is published as JonasLoos/Qwen3.8-27B-thinking-completions.
  • Target features: hidden states of the 4-bit MLX checkpoint (lmstudio-community/Qwen3.8-27B-MLX-4bit).
  • Objective: the DFlash 2 training objective from SpecForge at block size 32.
  • Optimizer: AdamW, learning rate 1e-5 with cosine decay and 4% warmup, 2 epochs, about 15 hours on one H100.

Usage

uv tool install git+https://github.com/JonasLoos/qwen-spec
qwen-spec "your prompt"

SGLang and vLLM, which serve the original head, should accept this one as well; only qwen-spec's MLX engine has been tested.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
DFlash2DraftModel
Ревизия весов
fc65843

0 моделей