/ Модель

Характеристики

Контекст
1 048 576 токенов
Параметры
2 млрд
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
1 авг 2026

Inkling-Small-DSpark

Генерация текстаТекст → текст3 профессии

Черновая модель DSpark для ускорения генерации Inkling-Small-NVFP4 методом спекулятивного декодирования.

509скачиваний за 30 дней1лайквеса обновлены6 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

RadixArk/Inkling-Small-DSpark — черновая модель для ускорения генерации ответов целевой моделью Inkling-Small-NVFP4 с помощью спекулятивного декодирования. Она разработана для DSpark — метода на основе параллельного чернового декодирования DFlash с Markov logit-bias и головой оценки уверенности; обучение проводилось через SpecForge на скрытых состояниях целевой модели, работающей в SGLang.

Модель использует плотную архитектуру в стиле Qwen3 с шестью слоями, групповой обработкой запросов внимания и блоком черновой генерации длиной 7 токенов. В метаданных указано 2 млрд параметров, а в README — 1,39 млрд обучаемых параметров черновых весов. Контекстная конфигурация рассчитана на диапазон до 1 048 576 токенов, однако обучение велось на контекстах до 8 192 токенов с адаптацией на последовательностях до 65 536 токенов. В репозитории находятся только черновые веса: для работы обязательны точно соответствующие целевая модель thinkingmachines/Inkling-Small-NVFP4 и её токенизатор. Требуется сборка SGLang с поддержкой DSpark; результаты оценки показывают длину принятого блока при спекулятивном декодировании, а не качество самостоятельной генерации. Модель распространяется в формате Safetensors; лицензия в предоставленных данных не указана.

Сценарии применения

  • ускорение инференса целевой модели Inkling-Small-NVFP4
  • спекулятивное декодирование в SGLang
  • ускорение генерации на длинном контексте
  • проверка принятия черновых токенов в задачах математики и программирования

Ограничения

Это черновые веса, не предназначенные для самостоятельной генерации; нужны точно соответствующие Inkling-Small-NVFP4 и токенизатор, а также сборка SGLang с поддержкой DSpark. Контекстная конфигурация заявлена до 1 048 576 токенов, но README описывает обучение до 8 192 и адаптацию до 65 536 токенов; лицензия в предоставленных данных не указана.

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

Inkling-Small DSpark speculator

Overview

A DSpark speculator for the Inkling-Small NVFP4 target, enabling faster inference through speculative decoding. DSpark extends the DFlash parallel-draft backbone with a Markov logit-bias head and a per-position confidence head. This checkpoint was trained with SpecForge using hidden states from a live SGLang target engine.

Model Specifications

  • Base model: thinkingmachines/Inkling-Small-NVFP4; the exact matching target checkpoint and tokenizer are required.
  • Format: Safetensors (single-file BF16, 1.39B trainable parameters; draft weights only).
  • Draft: 6 layers (Qwen3-style GQA), hidden 4096, 32 heads / 8 KV heads, head_dim 128, FFN 12288, rope_theta 8000000, block_size=7.
  • RoPE: YaRN, factor 128, original_max_position_embeddings=8192, max_position_embeddings=1048576 (matches the target addressable range); config carries both rope_scaling and rope_parameters schemas.
  • Vocabulary: 200,058 tokenizer entries and 201,024 padded weight rows; mask_token_id=200064.
  • DSpark heads: Markov rank 256 (vanilla) and confidence head (with-Markov).
  • Aux hidden-state layers: [1, 6, 12, 17, 23, 28, 34, 39].
  • Trained context: 8,192 native; long-context adaptation with sequences up to 65,536.
  • Target weights: target embedding and unembedding weights are not included in this checkpoint.

Evaluation Results

Acceptance length over the full DeepSpec workload datasets. DSPARK block size 7, thinking effort 0.99, temperature 0 and temperature 1.0 / top-p 0.95:

Datasetnacc_len @ T=0acc_len @ T=1
GSM8K1,3195.42545.2700
MATH5005004.80094.6787
MBPP2574.15154.0105
HumanEval1643.99113.9084
MT-Bench803.73093.6076
LBPP1623.64203.5093
AIME24303.54563.3864
AIME25303.41723.3192
LiveCodeBench1,0553.41543.3139
Alpaca52,0023.35043.2087
Arena-Hard-v27503.20913.0265
SWE-Bench3003.19142.9975
Mean (12)3.82263.6864

RULER V2 at the 1M input configuration (50 prompts per partition, actual prompts 1,022,335–1,045,000 tokens):

Partitionacc_len @ T=0acc_len @ T=1
MK (multi-key)4.26653.9417
MV (multi-value)4.23243.9666
QA3.49383.2632

Long-context acceptance is flat on held-out 16K–64K agentic trajectories (67 rows, temperature 0): 3.592 (8–16K), 3.560 (16–32K), 3.534 (32K+).

Serving with SGLang

Requires a SGLang build with DSpark support

SGLANG_ENABLE_UNIFIED_RADIX_TREE=1 \
sglang serve --trust-remote-code \
  --model-path thinkingmachines/Inkling-Small-NVFP4 --tp 8 \
  --quantization modelopt_fp4 --attention-backend fa4 --page-size 128 \
  --fp4-gemm-backend flashinfer_trtllm --moe-runner-backend flashinfer_trtllm_routed \
  --enable-torch-symm-mem --mamba-radix-cache-strategy extra_buffer \
  --mem-fraction-static 0.60 --swa-full-tokens-ratio 0.1 --mamba-full-memory-ratio 0.1 \
  --max-running-requests 68 --reasoning-parser inkling --tool-call-parser inkling \
  --skip-server-warmup --speculative-algorithm DSPARK \
  --speculative-draft-model-path RadixArk/Inkling-Small-DSpark \
  --speculative-draft-model-quantization unquant \
  --speculative-dspark-block-size 7 \
  --chunked-prefill-size 8192 --cuda-graph-max-bs-prefill 8192 \
  --disable-flashinfer-autotune --host 0.0.0.0 --port 30000

Training Details

  • Framework: SpecForge online distillation with hidden states captured from a frozen Inkling-Small target served by a colocated per-node TP4 SGLang engine; KV injection of fused target features into every draft layer with block-local bidirectional attention.
  • Loss: 0.1 CE + 0.9 L1 distillation + 1.0 confidence BCE, 512 sampled anchors per sequence, block_size=7, within-block decay gamma 4.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
DSparkDraftModel
Ревизия весов
736501c

0 моделей