/ Модель

Характеристики

Контекст
262 144 токена
Параметры
4,8 млрд
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
10 авг 2026

Qwen3.8-2.4T-A95B-DSpark

Генерация текстаТекст → текст3 профессии

Черновая модель DSpark, которая ускоряет генерацию базовой Qwen3.8 в SGLang посредством спекулятивного декодирования.

788скачиваний за 30 дней0лайковвеса 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/Qwen3.8-2.4T-A95B-DSpark — черновая модель DSpark для ускорения генерации текста базовой моделью RadixArk/Qwen3.8-2.4T-A95B-NVFP4. Она использует пять слоёв Qwen3-style GQA с полным вниманием и обучена методом онлайн-дистилляции SpecForge на скрытых состояниях целевой модели. Модель предлагает блок из семи черновых токенов, которые целевая модель проверяет при спекулятивном декодировании в SGLang.

Чекпойнт содержит около 4,8 млрд параметров в формате BF16 safetensors; веса эмбеддингов и выходной проекции базовой модели в него не входят. Для позиционирования используется YaRN с фактором 32, поддерживается контекст до 262 144 токенов. В README приведены измерения длины принятого блока на наборах HumanEval, GSM8K и Math500 при конкретной конфигурации оборудования и генерации; эти результаты относятся к спекулятивному ускорению, а не к самостоятельному решению задач.

Модель предназначена для совместного использования с указанной базовой моделью и SGLang, а не для обычного самостоятельного чата или генерации. Лицензия в предоставленных данных не приведена.

Сценарии применения

  • ускорение генерации текста базовой моделью Qwen3.8 в SGLang
  • спекулятивное декодирование блоками до семи черновых токенов
  • ускорение генерации при решении математических задач
  • ускорение генерации при выполнении задач программирования

Ограничения

Модель требует совместного использования с базовой RadixArk/Qwen3.8-2.4T-A95B-NVFP4 и SGLang; она не предназначена для самостоятельной генерации. Показатели ускорения приведены для конкретной конфигурации оборудования, параметров генерации и ограниченного набора запросов.

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-Max DSpark speculator

A DSpark speculator for RadixArk/Qwen3.8-2.4T-A95B-NVFP4. DSpark extends the DFlash parallel-draft backbone with a Markov logit-bias head and a per-position confidence head. Trained with SpecForge online distillation from hidden states captured off a live SGLang target engine.

Model specifications

  • Base model: RadixArk/Qwen3.8-2.4T-A95B-NVFP4 (92-layer hybrid-attention MoE, hidden size 8192)
  • Format: single-file BF16 safetensors, 3,298,141,697 parameters
  • Draft: 5 full-attention Qwen3-style GQA layers, hidden size 8192, 64 query heads / 8 KV heads at head_dim 128, block_size=7
  • Verification width: 1 current token + 7 draft tokens
  • Auxiliary target layers: [3, 19, 35, 55, 71, 87], plus the final post-norm hidden state
  • Positional scheme: YaRN factor 32 with original length 8,192 — 262,144 addressable positions, the target's native context limit
  • Target weights: embedding and unembedding weights are not included

Acceptance length

Accept length is the mean number of accepted tokens per verify step including the bonus token (SGLang spec_accept_length), averaged over requests. Setting: SGLang DSPARK serving, TP8 on one 8xB300 node, NVFP4 target, BF16 draft (--speculative-draft-model-quantization unquant), block size 7; sampling temperature 0.6, top_k 20, top_p 0.95, thinking enabled; max_new_tokens 2048; 128 prompts per workload (full set where the dataset is smaller). The measurement loop follows z-lab/dflash benchmark.py.

WorkloadAccept lengthPrompts
humaneval5.30128
gsm8k4.89128
math5004.85128
livecodebench4.72128
mbpp4.52128
aime254.4330
lbpp4.40128
aime264.3530
mtbench3.4380
arena_hard_v23.22128
alpaca3.05128

Serving with SGLang

sglang serve \
  --trust-remote-code \
  --model-path RadixArk/Qwen3.8-2.4T-A95B-NVFP4 \
  --tp-size 8 \
  --speculative-algorithm DSPARK \
  --speculative-draft-model-path RadixArk/Qwen3.8-2.4T-A95B-DSpark \
  --speculative-dspark-block-size 7 \
  --speculative-draft-attention-backend trtllm_mha

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
faaee89

0 моделей