/ Модель

Характеристики

Контекст
1 048 576 токенов
Параметры
3,4 млрд
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
27 июл 2026

Kimi-K3-DSpark

Генерация текстаТекст → текст3 профессии

Вспомогательная модель DSpark для спекулятивного декодирования, ускоряющая генерацию целевой модели Kimi K3 в SGLang.

5,7 млнскачиваний за 30 дней67лайковвеса обновлены16 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/Kimi-K3-DSpark — вспомогательная модель черновой генерации для ускорения инференса Kimi K3 методом спекулятивного декодирования. Она разработана для совместной работы с целевой моделью Kimi K3 и не является самостоятельной языковой моделью для ответов пользователю. В метаданных указаны плотная архитектура семейства Qwen3, класс DSparkDraftModel и размер 3,4 млрд параметров; README описывает пять слоёв полного внимания в стиле Qwen3 с GQA и блоком из семи черновых токенов. Веса целевой модели, включая embedding и unembedding, в репозиторий не входят.

Модель предназначена для ускорения генерации в SGLang: она предлагает несколько токенов-кандидатов, которые проверяет Kimi K3. README приводит результаты принятия черновых токенов на SWE-Rebench, GSM8K, MATH500 и RULER V2. Метаданные заявляют контекст до 1 048 576 токенов, а README уточняет, что обучение проводилось на контексте 65 536 токенов; для конфигурации до миллиона токенов используется YaRN-16. Формат весов — Safetensors; метаданные указывают библиотеку Transformers. Лицензия в предоставленных данных не указана.

Сценарии применения

  • ускорение генерации текста моделью Kimi K3 в SGLang
  • спекулятивное декодирование с проверкой черновых токенов целевой моделью
  • ускорение вывода Kimi K3 на задачах программирования и математики
  • обслуживание запросов с длинным контекстом до миллиона токенов

Ограничения

Модель является черновым компонентом и требует целевую модель Kimi K3; её веса не включены. README сообщает об обучении на контексте 65 536 токенов, хотя конфигурация поддерживает контекст до 1 048 576 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

Kimi K3 DSpark speculator

Overview

A long-context DSpark speculator for Kimi K3. It supports context lengths of up to 1 million tokens.

A DSpark speculator for the Kimi K3 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: moonshotai/Kimi-K3
  • Format: Safetensors (single-file BF16, 2,249,289,601 parameters)
  • Draft: 5 full-attention Qwen3-style GQA layers, hidden size 7168, 64 query heads / 16 KV heads, and block_size=7
  • Verification width: 1 current token + 7 draft tokens
  • Auxiliary target layers: [7, 23, 51, 67, 83]
  • Trained context: 65,536 tokens
  • Target weights: embedding and unembedding weights are not included

Evaluation Results

acc_len is SGLang's histogram-native request acceptance length, averaged within each question and then equally across questions.

DatasetQuestionsacc_len
SWE-Rebench504.6594
GSM8K1,3195.4176
MATH5005004.1329
HumanEval1645.5121
MBPP2575.1980
MT-Bench803.9342
AIME26302.9893
RULER V2 1M (MK/MV/QA)150 (50 per partition)4.2553

RULER V2 uses the 1M input configuration. Actual prompts span 1,000,432–1,047,925 tokens; partition acc_len is 4.4658 for MK, 4.3081 for MV, and 3.9919 for QA.

AIME26 acc_len by output length

Output-token bucketQuestionsActual output rangeacc_len
0–1K13192–8853.1310
1–2K51,359–1,8282.5773
2–4K62,210–3,7322.5632
4–8K45,187–7,7502.7174
8–16K0——
16–32K0——
32K+254,545–224,7034.9194

Serving with SGLang

SGLang Cookbook provides Kimi K3 deployment recipes.

sglang serve \
  --trust-remote-code \
  --model-path moonshotai/Kimi-K3 \
  --tp-size 8 \
  --dcp-size 8 \
  --mem-fraction-static 0.85 \
  --max-mamba-cache-size 160 \
  --max-running-requests 32 \
  --cuda-graph-max-bs-decode 32 \
  --reasoning-parser kimi_k3 \
  --tool-call-parser kimi_k3 \
  --host 0.0.0.0 \
  --port 30000 \
  --speculative-algorithm DSPARK \
  --speculative-draft-model-path RadixArk/Kimi-K3-DSpark \
  --speculative-dspark-block-size 7 \
  --speculative-draft-attention-backend trtllm_mha \
  --enable-linear-replayssm-spec \
  --context-length 1048576 \
  --chunked-prefill-size 16384

YaRN-16 is enabled in the published draft config by default with original_max_position_embeddings=65536 and max_position_embeddings=1048576; no separate draft config override is required.

Training Details

  • Framework: SpecForge online distillation, with hidden states captured from a frozen Kimi K3 target served by a live SGLang engine. Draft trained from random initialization.
  • Loss: 0.1 CE + 0.9 L1 distillation + 1.0 confidence BCE, decay gamma 4.0, with 512 sampled anchors per sequence and block_size=7.
  • Topology: 4 nodes × 4 GB300 (16 ranks) — 2 × TP8 target replicas, DP2 sampler, FSDP16 SHARD_GRAD_OP on the draft, TP-batch scatter. Batch 8 per replica × 32 accumulation steps × 2 replicas = global batch 512.

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
3c5bac3

0 моделей