/ Модель

Характеристики

Контекст
262 144 токена
Параметры
626 млн
Лицензия
MIT
Архитектура
llama · dense
Базовая модель
Qwen3.5-35B-A3B
Опубликована
14 мар 2026

Qwen3.5-35B-A3B-Eagle3-Specforge

Ответы на вопросыТекст → текст3 профессии

Производная Qwen3.5-35B-A3B, обученная с SpecForge на первых репликах диалогов UltraChat для ответов на вопросы и диалоговых сценариев.

114скачиваний за 30 дней6лайковвеса обновлены14 мар 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

jiapingW/Qwen3.5-35B-A3B-Eagle3-Specforge — производная модель на базе Qwen/Qwen3.5-35B-A3B, обученная автором карточки с помощью SpecForge на заново сгенерированной версии датасета UltraChat. Для обучения использовались только первые сообщения диалогов. В метаданных архитектура указана как LlamaForCausalLMEagle3, формат весов — safetensors; заявлен контекст длиной 262144 токена.

Модель предназначена для ответов на вопросы и диалоговых сценариев. Карточка приводит сравнительные тесты обслуживания запросов на выборках UltraChat и ShareGPT, запуская модель через модифицированную ветку SGLang с поддержкой Qwen3.5 Eagle3. Метаданные указывают 626 млн параметров, однако название базовой модели содержит обозначение 35B-A3B, поэтому точный размер этой производной версии по доступным данным неясен. Лицензия — MIT.

Сценарии применения

  • ответы на вопросы в диалоге
  • тестирование ускоренного обслуживания запросов LLM
  • обработка первых реплик пользовательских диалогов
  • сравнение производительности на наборах UltraChat и ShareGPT

Ограничения

Обучение охватывало только первые сообщения диалогов UltraChat, поэтому возможности для продолжения многоходового диалога не подтверждены. README не приводит численных результатов качества, а для запуска указана модифицированная ветка SGLang с поддержкой Qwen3.5 Eagle3.

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

Introduction

The Model is trained on the Ultrachat dataset regenerate by Qwen3.5-35B-A3B. And I only train the first conversation. I use the Specforge to train this. The training parameter is listed below:


SCRIPT_DIR=$( cd -- "$( dirname -- "${BASH_SOURCE[0]}" )" &> /dev/null && pwd )
ROOT_DIR=$(dirname $SCRIPT_DIR)

# train eagle3 for qwen3.5
NUM_GPUS=1
TP_SIZE=1
BUILD_DATASET_NUM_PROC=${BUILD_DATASET_NUM_PROC:-64}

export HF_DATASETS_CACHE=$ROOT_DIR/cache/hf_datasets

NUM_GPUS=2
CUDA_VISIBLE_DEVICES=2,3 torchrun \
    --standalone \
    --nproc_per_node $NUM_GPUS \
    $ROOT_DIR/scripts/train_eagle3.py \
    --target-model-path /data/jiapingW/pretrained_models/Qwen3.5-35B-A3B \
    --draft-model-config $ROOT_DIR/configs/qwen3.5-35b-a3b-eagle3.json \
    --train-data-path /data/jiapingW/projects/SpecForge/cache/dataset/ultrachat_train_regen_1w_first_turn.jsonl  \
    --build-dataset-num-proc $BUILD_DATASET_NUM_PROC \
    --output-dir $ROOT_DIR/outputs/qwen3.5-35b-a3b-ultrachat-regen-first-turn/draft-vocab-32000-kvhead-16-full-attn-plus1-template-qwen3.5 \
    --num-epochs 10 \
    --batch-size 1 \
    --tp-size 1 \
    --learning-rate 1e-4 \
    --max-length 8192 \
    --chat-template qwen3.5 \
    --cache-dir $ROOT_DIR/cache \
    --embedding-key "model.language_model.embed_tokens.weight" \
    --sglang-mem-fraction-static 0.6 \
    --save-interval 5000 \
    --report-to tensorboard

I test it use the sglang from this sglang branch. I updated the smallest code in sglang0.5.9 to support qwen3.5 eagle3.

The test result is listed below:

Server Command:

python -m sglang.launch_server   \
    --model /data/jiapingW/pretrained_models/Qwen3.5-35B-A3B   \
    --speculative-algorithm EAGLE3   \
    --speculative-num-steps 4   \
    --speculative-eagle-topk 1   \
    --speculative-num-draft-tokens 5   \
    --enable-flashinfer-allreduce-fusion   \
    --mem-fraction-static 0.8 \
    --speculative-draft-model-path /data/jiapingW/projects/SpecForge/outputs/qwen3.5-35b-a3b-ultrachat-regen-first-turn/draft-vocab-32000-kvhead-16-full-attn-plus1/epoch_5_step_275000
  • Training Set(The first 30 messages):
python3 -m sglang.bench_serving   \
    --backend sglang-oai-chat   \
    --host 127.0.0.1   \
    --port 30000   \
    --model /data/jiapingW/pretrained_models/Qwen3.5-35B-A3B   \
    --dataset-name custom   \
    --num-prompts 30   \
    --max-concurrency 1   \
    --request-rate inf \
    --dataset-path /data/jiapingW/projects/SpecForge/cache/dataset/ultrachat_train_regen_first_turn.jsonl
============ Serving Benchmark Result ============
Backend:                                 sglang-oai-chat
Traffic request rate:                    inf       
Max request concurrency:                 1         
Successful requests:                     30        
Benchmark duration (s):                  140.30    
Total input tokens:                      5323      
Total input text tokens:                 5323      
Total generated tokens:                  55291     
Total generated tokens (retokenized):    55143     
Request throughput (req/s):              0.21      
Input token throughput (tok/s):          37.94     
Output token throughput (tok/s):         394.10    
Peak output token throughput (tok/s):    121.00    
Peak concurrent requests:                2         
Total token throughput (tok/s):          432.04    
Concurrency:                             1.00      
Accept length:                           3.35      
----------------End-to-End Latency----------------
Mean E2E Latency (ms):                   4676.08   
Median E2E Latency (ms):                 4950.71   
P90 E2E Latency (ms):                    5718.35   
P99 E2E Latency (ms):                    6004.36   
---------------Time to First Token----------------
Mean TTFT (ms):                          56.77     
Median TTFT (ms):                        54.68     
P99 TTFT (ms):                           66.60     
-----Time per Output Token (excl. 1st token)------
Mean TPOT (ms):                          2.49      
Median TPOT (ms):                        2.44      
P99 TPOT (ms):                           2.91      
---------------Inter-Token Latency----------------
Mean ITL (ms):                           2.51      
Median ITL (ms):                         1.71      
P95 ITL (ms):                            8.20      
P99 ITL (ms):                            8.55      
Max ITL (ms):                            92.97     
==================================================
  • ShareGPT Dataset(The first 30 messages):
python3 -m sglang.bench_serving   \
    --backend sglang-oai-chat   \
    --host 127.0.0.1   \
    --port 30000   \
    --model /data/jiapingW/pretrained_models/Qwen3.5-35B-A3B   \
    --num-prompts 30   \
    --max-concurrency 1   \
    --request-rate inf
============ Serving Benchmark Result ============
Backend:                                 sglang-oai-chat
Traffic request rate:                    inf       
Max request concurrency:                 1         
Successful requests:                     30        
Benchmark duration (s):                  24.28     
Total input tokens:                      10010     
Total input text tokens:                 10010     
Total generated tokens:                  7895      
Total generated tokens (retokenized):    7895      
Request throughput (req/s):              1.24      
Input token throughput (tok/s):          412.26    
Output token throughput (tok/s):         325.16    
Peak output token throughput (tok/s):    120.00    
Peak concurrent requests:                4         
Total token throughput (tok/s):          737.42    
Concurrency:                             1.00      
Accept length:                           2.93      
----------------End-to-End Latency----------------
Mean E2E Latency (ms):                   808.93    
Median E2E Latency (ms):                 814.78    
P90 E2E Latency (ms):                    1501.26   
P99 E2E Latency (ms):                    2613.32   
---------------Time to First Token----------------
Mean TTFT (ms):                          58.99     
Median TTFT (ms):                        57.31     
P99 TTFT (ms):                           82.40     
-----Time per Output Token (excl. 1st token)------
Mean TPOT (ms):                          2.91      
Median TPOT (ms):                        2.75      
P99 TPOT (ms):                           6.78      
---------------Inter-Token Latency----------------
Mean ITL (ms):                           2.86      
Median ITL (ms):                         1.74      
P95 ITL (ms):                            8.32      
P99 ITL (ms):                            8.56      
Max ITL (ms):                            8.82      
==================================================

Как запустить

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

GPU в ailist

Универсальный рантайм · question-answering

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLMEagle3
Ревизия весов
d07a277

0 моделей