/ Модель

Характеристики

Контекст
1 048 576 токенов
Параметры
1,5 млрд
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
30 июл 2026

Inkling-Small-DSpark-Preview

Генерация текстаТекст → текст3 профессии

Черновая DSpark-модель для спекулятивного декодирования, ускоряющего инференс Inkling-Small NVFP4 в SGLang.

30 955скачиваний за 30 дней2лайкавеса обновлены30 июл 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-Preview — исследовательская предварительная версия спекулятивной модели-черновика для ускорения инференса целевой модели Inkling-Small NVFP4. Она использует подход DSpark на основе параллельного чернового предсказания DFlash с Markov logit-bias и головкой оценки уверенности; архитектура черновика выполнена в стиле Qwen3 и содержит 5 слоёв. В метаданных указано 1,5 млрд параметров, а карточка сообщает о 0,90 млрд обучаемых параметров в весах черновика BF16 Safetensors.

Модель предназначена для спекулятивного декодирования через SGLang. Для работы требуются точно соответствующие целевой чекпойнт thinkingmachines/Inkling-Small-NVFP4 и токенизатор; веса эмбеддингов и выходного слоя целевой модели в репозитории отсутствуют. Указанный адресуемый контекст — до 1 048 576 токенов, но обучение проводилось на последовательностях до 65 536 токенов, а штатный обучающий контекст составлял 8 192 токена. Приведены результаты оценки длины принятого продолжения на GSM8K, MATH500 и MBPP; официальные обучение и оценка ещё продолжаются. Требуется сборка SGLang с поддержкой DSpark. Условия лицензии в предоставленных данных не приведены.

Сценарии применения

  • ускорение генерации текста целевой моделью Inkling-Small NVFP4
  • спекулятивное декодирование в SGLang
  • ускорение генерации ответов на математические задачи
  • ускорение генерации кода

Ограничения

Требуются точный целевой чекпойнт Inkling-Small-NVFP4, соответствующий токенизатор и сборка SGLang с поддержкой DSpark; целевые эмбеддинги и веса выходного слоя не включены. Это предварительная версия: обучение и официальная оценка продолжаются.

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.

Preview: This is a research preview. Official training and evaluation are in progress.

Model Specifications

  • Base model: thinkingmachines/Inkling-Small-NVFP4; the exact matching target checkpoint and tokenizer are required.
  • Format: Safetensors (single-file BF16, 0.90B trainable parameters; draft weights only).
  • Draft: 5 layers (Qwen3-style GQA), hidden 4096, 64 heads / 16 KV heads, head_dim 64, FFN 8192, rope_theta 8000000, block_size=15.
  • 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: [5, 11, 23, 29, 35].
  • 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 (acc_len) at temperature 0 (128 prompts per task, DSPARK block size 7, thinking effort 0.99):

Datasetacc_len
GSM8K4.7871
MATH5004.1426
MBPP3.4394
HumanEval3.3491
MT-Bench3.1140
LiveCodeBench2.9288
AIME252.8938
Alpaca2.7823
Arena-Hard-v22.6982
Mean3.3484

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 0.68 --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 skx618/InkLing-Small-DSpark-Preview \
  --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.
  • Stage 1 (original RoPE, 8K): 444,264 Inkling-Small self-regenerations from open-perfectblend (temperature 1.0, top-p 0.95, reasoning effort 0.99), 2 epochs, AdamW, global batch 512, gradient clipping 1.0; peak LR 6e-4 (cosine, 4% warmup).
  • Stage 2 (YaRN-128 adaptation): weights-only warm start from stage 1; 250,000 chat rows (192,055 previously unseen regenerations + 57,945 replayed) plus 1,092 real 16K-64K agentic trajectories upsampled x8; max_length=65536; constant LR 5e-4 with a 64-step re-warm.
  • Loss: 0.1 CE + 0.9 L1 distillation + 1.0 confidence BCE, 512 sampled anchors per sequence, block_size=15, within-block decay gamma 28/3.

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
fcc210d

0 моделей