/ Модель

Характеристики

Контекст
262 144 токена
Параметры
1,7 млрд
Лицензия
Apache 2.0
Архитектура
diffuqwen35 · dense
Базовая модель
Qwen3.5-2B
Библиотека
transformers
Опубликована
6 авг 2026

dQwen3.5-2B-Base

Генерация текстаТекст → текст3 профессии

Базовая модель с маскированной диффузией на основе Qwen3.5-2B для генерации текста и дальнейшей адаптации.

1 543скачиваний за 30 дней5лайковвеса обновлены23 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

dQwen3.5-2B-Base — базовая языковая модель с маскированной диффузией, адаптированная из Qwen3.5-2B. Её разработчики изменили гибридную архитектуру основы: слои внимания стали двунаправленными, а слои Gated DeltaNet сохранили причинную маску. Модель содержит около 1,7 млрд параметров, распространяется в формате safetensors и рассчитана на контекст до 262 144 токенов.

Модель предназначена для генерации текста и дальнейшей адаптации под прикладные задачи; instruction tuning не проводился, поэтому она не настроена на выполнение пользовательских инструкций в формате чат-ассистента. Для запуска README указывает CUDA GPU и transformers версии 5.13 или выше. Лицензия — Apache-2.0.

Сценарии применения

  • генерация текста из текстового контекста
  • эксперименты с языковыми моделями на основе диффузии
  • дообучение модели для прикладных задач
  • исследование гибридного двунаправленного внимания и Gated DeltaNet

Ограничения

Модель не проходила instruction tuning и поэтому не оптимизирована для прямого выполнения инструкций как чат-ассистент. Для запуска требуется CUDA GPU и transformers версии 5.13 или выше.

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

dQwen3.5-2B-Base

A masked diffusion language model adapted from Qwen3.5-2B. The backbone is hybrid: only its attention layers are made bidirectional, and the Gated DeltaNet layers stay causal. This is a base model, with no instruction tuning.

Paper: dQwen3.5: Hybrid-Attention Diffusion Language Models
Code: https://github.com/AntonXue/dQwen

The dQwen3.5 family

modeltotal paramsbackbone
dQwen3.5-0.8B-Base0.75Bhybrid
dQwen3.5-2B-Base (this repo)1.88Bhybrid
dQwen3.5-4B-Base4.21Bhybrid
dQwen3.5-9B-Base8.95Bhybrid
dQwen3-1.7B-Base1.72Bfull attention (control)

Quickstart

Needs a CUDA GPU and transformers>=5.13 (tested with torch 2.7.1+cu128, flash-linear-attention 0.5.1).

import torch
from transformers import AutoModel

model = AutoModel.from_pretrained("UT-IFML/dQwen3.5-2B-Base", trust_remote_code=True, dtype=torch.bfloat16).cuda().eval()
stop_strings = ["\n\n", "\ndef", "\nclass", "<|endoftext|>"]
print(model.generate("def fibonacci(n):\n", gen_length=512, stop_strings=stop_strings).text)

generate decodes the whole canvas at once, committing positions above a confidence threshold (tau=0.9); pass block_length=32 for left-to-right block decoding, or tau=None, steps_per_block=k for a fixed budget. The 50B-token checkpoint from the paper is revision="step25000-swa".

Citation

@article{xue2026dqwen,
  title   = {dQwen3.5: Hybrid-Attention Diffusion Language Models},
  author  = {Xue, Anton and Rout, Litu and Akella, Aditya and Klivans, Adam and Sanghavi, Sujay and Shakkottai, Sanjay},
  journal = {arXiv preprint arXiv:2609.20751},
  year    = {2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
DiffuQwen35
Ревизия весов
63f822a

0 моделей