/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.8-27B-DSpark
Библиотека
gguf
Опубликована
14 авг 2026

Qwen3.8-27B-DSpark-GGUF

Генерация текстаТекст → текст3 профессии

erlidev/Qwen3.8-27B-DSpark-GGUF — это конвертированная в формат GGUF модель-черновик DSpark для ускоренного спекулятивного декодирования целевой модели Qwen/Qwen3.8-27B.

962скачиваний за 30 дней3лайкавеса обновлены15 авг 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

Она основана на RadixArk/Qwen3.8-27B-DSpark и предназначена для использования с llama.cpp, а не для самостоятельной генерации текста. Модель применяется как draft-модель совместно с совместимой 27B-версией Qwen3.8.

Доступны варианты BF16 размером 2,73 ГБ и Q8_0 размером 1,46 ГБ. Для работы требуется сборка llama.cpp с поддержкой DSpark, добавленной в PR #25173; заявлена совместимость с любой 27B-квантизацией Qwen3.8. В README приведены показатели длины принятой последовательности для задач математики, программирования, диалогов и общих инструкций: примерно от 2,71 до 4,57 токена в зависимости от набора данных.

Модель имеет экспериментальный статус. Автор не смог подтвердить ускорение с DSpark и отмечает высокое, неожиданное потребление памяти, поэтому практическая эффективность зависит от конфигурации и сценария использования. Лицензия — Apache-2.0.

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 27B DSpark GGUF

GGUF conversion of RadixArk/Qwen3.8-27B-DSpark, a DSpark speculative-decoding drafter for Qwen/Qwen3.8-27B. DSpark support got added very recently in llama.cpp via PR #25173 (merged 2026-07-28).

WARNING: This is highly experimental. I have been unable to get a speedup using DSpark so far. It is very memory hungry for some reason as well. Feel free to experiment with this and see if there are any performance benefits.

Files

FileSize
Qwen3.8-27B-DSpark-BF16.gguf2.73 GB
Qwen3.8-27B-DSpark-Q8_0.gguf1.46 GB

Usage

Requires a llama.cpp build containing PR #25173.

# my config for dspark
--spec-draft-hf erlidev/Qwen3.8-27B-DSpark-GGUF:BF16 \
--spec-type draft-dspark \
--spec-draft-n-max 7 \
-ngld 99

Should work with any Qwen3.8 27B quant.

Conversion

Converted with llama.cpp at 9d57ce456c94d241dde672b2db9cf18879766568.

python convert_hf_to_gguf.py ./Qwen3.8-27B-DSpark \
    --target-model-dir ./Qwen3.8-27B-tokenizer \
    --outtype bf16 --outfile ./Qwen3.8-27B-DSpark-BF16.gguf

llama-quantize Qwen3.8-27B-DSpark-BF16.gguf Qwen3.8-27B-DSpark-Q8_0.gguf Q8_0

Upstream acceptance length

From the source model card:

FP8 target, BF16 draft, block size 7, temp 0.6 / top-k 20 / top-p 0.95.

WorkloadAcceptance length
GSM8K4.57
MATH-5004.08
MBPP3.67
HumanEval3.47
AIME 20253.28
MT-Bench3.10
AIME 20263.07
LBPP3.03
Alpaca2.95
LiveCodeBench2.94
Arena-Hard-v22.71

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
9e2a743

0 моделей