/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1,5 млрд
Лицензия
Apache 2.0
Архитектура
Fast_dLLM_Qwen · dense
Базовая модель
Fast_dLLM_v2_1.5B
Библиотека
transformers
Опубликована
6 окт 2026

relay-fastdllm-v2-c40m60-distilled-step200

Генерация текстаТекст → текст

Дистиллированная Fast-dLLM на 1,5 млрд параметров для генерации кода, математических ответов и диалогового текста с блочным диффузионным декодированием.

417скачиваний за 30 дней0лайковвеса обновлены6 окт 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

RELAY-distilled Fast-dLLM v2 1.5B — языковая модель на архитектуре Fast_dLLM_Qwen, созданная DivE Lab как студенческий чекпойнт, дистиллированный из двухпроходной модели-учителя RELAY. Модель предназначена для генерации текста, в том числе кода и математических ответов. Она обучалась на 60 000 диалогах: 24 000 примерах кода из OpenCodeInstruct и 36 000 математических примерах из OpenMathInstruct-2.

Студенческая модель начинает с весов Efficient-Large-Model/Fast_dLLM_v2_1.5B и предсказывает каждый шаг без передачи скрытого состояния RELAY. Один шаг предсказания выполняется за один проход, но полный ответ всё равно требует нескольких шагов блочного диффузионного декодирования. Размер модели — 1,5 млрд параметров, контекст — до 32 768 токенов; доступны веса Safetensors в BF16. Для загрузки используется Transformers с пользовательским кодом модели, а для генерации рекомендуется CUDA GPU.

Модель распространяется по лицензии Apache-2.0. Самостоятельное качество генерации следует оценивать отдельно от режима спекулятивного декодирования: точность с целевой моделью-верификатором характеризует проверенный результат, а не самостоятельную точность этой модели. Доступная информация описывает обучение и чекпойнт, но не приводит численных результатов оценки самостоятельной генерации.

Сценарии применения

  • генерация фрагментов кода по запросу
  • ответы на математические задачи
  • диалоговая генерация текста
  • создание обучающих примеров для кода и математики

Ограничения

Самостоятельную точность генерации нужно оценивать отдельно: метрики с целевой моделью-верификатором отражают проверенный результат, а не качество студенческой модели. Для генерации рекомендуется CUDA GPU; модель требует пользовательского кода из репозитория и зависимости einops.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

RELAY-distilled Fast-dLLM v2 1.5B (c40m60, step 200)

A Fast-dLLM v2 student distilled from the two-pass RELAY teacher brozonoyer/relay-fastdllm-v2-c40m60-relay-step200. The student starts from Efficient-Large-Model/Fast_dLLM_v2_1.5B and predicts without hidden-state carry (use_relay=false).

Single-pass refers to each student prediction step. A complete response still requires multiple block-diffusion decoding steps.

Training

  • Data: 60,000 conversations, with 24,000 code examples from OpenCodeInstruct and 36,000 math examples from OpenMathInstruct-2.
  • Objective: full-vocabulary forward KL against the frozen teacher's second-pass distribution, at masked target positions; distillation temperature 1.
  • Teacher conditioning: nested masks with a default mask-rate gap of 0.1. The first pass runs on the noisier input; the second uses the less-masked input and detached, right-shifted RELAY hidden feedback.
  • Training steps: 200; learning rate: 5e-6; cosine schedule; warmup ratio: 0.03.
  • Effective batch size: 64 (8 devices, batch size 1, gradient accumulation 8).
  • Diffusion block size: 32; checkpoint weights: BF16.
  • Final reported training loss: 0.021416714957449585.

See the source repository for the distillation objective and generation implementation.

Loading and generation

This checkpoint uses custom block-diffusion model code included in this repository. It was validated with Transformers 4.53.1 and PyTorch 2.14.0+cu130. The model code also requires einops; a CUDA GPU is recommended for generation.

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "divelab/relay-fastdllm-v2-c40m60-distilled-step200"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    trust_remote_code=True,
    torch_dtype=torch.bfloat16,
).cuda().eval()

prompt = tokenizer.apply_chat_template(
    [{"role": "user", "content": "Write a Python function to merge two sorted lists."}],
    add_generation_prompt=True,
    return_tensors="pt",
).cuda()
with torch.inference_mode():
    output = model.generate(
        prompt,
        tokenizer=tokenizer,
        max_new_tokens=128,
        block_size=32,
        small_block_size=8,
        threshold=0.85,
        temperature=0,
        use_block_cache=False,
    )
print(tokenizer.decode(output[0, prompt.shape[1]:], skip_special_tokens=True))

Evaluation and limitations

This upload contains the final distilled student checkpoint, tokenizer, and custom model code. It does not include optimizer states or intermediate training checkpoints. Standalone generation should be evaluated separately from speculative decoding: accuracy measured with a target verifier describes the verified target output rather than this student's standalone accuracy.

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
Fast_dLLM_QwenForCausalLM
Ревизия весов
bf07e60

0 моделей