/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
55,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
grug-v1.1-qwen-3.8-27b
Библиотека
transformers
Опубликована
17 авг 2026

grug-v1.1-qwen-3.8-27b-mtp

Генерация текстаТекст → текст9 профессий

Диалоговая Grug v1.1 на базе Qwen3.8-27B с настроенной MTP-головой для speculative decoding и потенциально более быстрой генерации.

51скачиваний за 30 дней4лайкавеса обновлены18 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 «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

ProCreations/grug-v1.1-qwen-3.8-27b-mtp — вариант диалоговой модели Grug v1.1 на базе Qwen3.8-27B с настроенной головой предсказания следующего токена. Разработчик дообучил только модуль MTP объёмом 425 млн параметров методом самодистилляции на собственных ответах Grug; основные веса заморожены и, согласно карточке, не меняют ответы модели.

Голова предназначена для speculative decoding: она предлагает токены наперёд, которые основная модель проверяет, что может повысить скорость генерации в совместимом движке. В тесте на данных Grug совпадение предсказания второго следующего токена с проверяющей моделью составило 95,37%. Это показатель согласия, а не измеренный прирост скорости; фактическая производительность зависит от движка, размера пакета и длины чернового предсказания. Для использования головы README приводит vLLM и SGLang с поддержкой Qwen3.8 MTP; обычный Transformers может игнорировать MTP-модуль и запускать основную модель без ускорения. Базовая модель предназначена для диалогов, рассуждений, программирования и агентных сценариев с инструментами. Лицензия — Apache-2.0.

Сценарии применения

  • ускорение генерации ответов в совместимом движке
  • спекулятивное декодирование диалогов Grug
  • ускорение генерации кода
  • ускорение агентных ответов с вызовом инструментов

Ограничения

Показатель согласия MTP с проверяющей моделью не является измерением прироста скорости; фактическая скорость зависит от движка, размера пакета и длины чернового предсказания. Ускорение требует движка с поддержкой Qwen3.8 MTP; обычный Transformers может игнорировать дополнительную голову.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

grug-v1.1-qwen-3.8-27b-mtp

same grug as ProCreations/grug-v1.1-qwen-3.8-27b, plus a draft head that guess ahead, tuned on grug own output.

Qwen3.8 ship native MTP (multi-token prediction) head. it predict token t+2 so engine can guess ahead and verify many token in one pass. speculative decoding only go fast when draft head agree with real model. grug retune that head on grug distribution.

what change

metricQwen3.8 native headafter grug tuning
t+2 agreement with verifier90.04%95.37%
gold top-185.50%88.20%
eval loss0.38020.1649

disagree rate go from 1-in-10 to 1-in-21. old grug v1 mtp sit at 89.3%.

honest part: native head was already 90.0% before any training. grug not rescue broken head — grug sharpen already-good head. and gold top-1 go up too (85.5 -> 88.2), so head get genuinely better at real token, not just better at copying verifier mistake.

also honest: 95.37% is top-1 agreement with the verifier on grug spans — the quantity that decide whether a speculative draft get accepted. it is NOT a measured wall-clock speedup. real tok/s depend on your engine, batch size and draft length.

how grug train it

  • backbone frozen. only the 425M-param mtp.* module move.
  • teacher = grug-v1.1-qwen-3.8-27b own greedy next-token choice (self-distillation). this target acceptance directly: acceptance IS agreement with verifier.
  • data = ProCreations/grug-27b-v2-corrective — agent trajectory, tool call, grug think, code, math. the distribution grug actually make in real use.
  • 4.0M token seen, 1.25M supervised, 489 step, 26 minute on one RTX PRO 6000.
  • verified model output unchanged — same weight, same score as v1.1. draft head only make it faster, never change answer.

full receipt in mtp_training.json.

use grug

engine that know Qwen3.8 MTP (vLLM, sglang) pick head up from config.json (mtp_num_hidden_layers: 1) and model-mtp.safetensors.

vllm serve ProCreations/grug-v1.1-qwen-3.8-27b-mtp \
  --speculative-config '{"method":"qwen3_next_mtp","num_speculative_tokens":2}' \
  --reasoning-parser qwen3 --enable-auto-tool-choice --tool-call-parser qwen3_coder

plain transformers ignore mtp.* and just run the normal model — safe, only no speedup.

GGUF with draft head: ProCreations/grug-v1.1-qwen-3.8-27b-mtp-gguf. no draft head, smaller: ProCreations/grug-v1.1-qwen-3.8-27b-gguf.

benchmark score, effort table and chart live on the main card — this variant score identical, it is the same verified weight.

apache-2.0.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
f8d12d3

0 моделей