/ Модель

Характеристики

Контекст
1 048 576 токенов
Параметры
1,8 млрд
Лицензия
MIT
Архитектура
qwen3 · dense
Базовая модель
GLM-5.3-Flash
Библиотека
transformers
Опубликована
20 сен 2026

GLM-5.3-Flash-DFlash

Генерация текстаТекст → текст3 профессии

Черновая модель DFlash для спекулятивного декодирования, ускоряющая генерацию GLM-5.3-Flash при совместном обслуживании с целевой моделью.

3 153скачиваний за 30 дней1лайквеса обновлены20 сен 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

GLM-5.3-Flash-DFlash — черновая модель DFlash от Modal Labs для ускорения генерации с помощью спекулятивного декодирования. Это не самостоятельная языковая модель: её используют вместе с целевой моделью zai-org/GLM-5.3-Flash в совместимом сервере, например SGLang с поддержкой DFlash для GLM-5.3-Flash.

Модель на архитектуре DFlash2DraftModel имеет 1,8 млрд параметров и принимает текст, предлагая блоки токенов параллельно. Целевая модель проверяет предложения, сохраняя своё распределение выходов; задача черновой модели — увеличить пропускную способность обслуживания. В метаданных указано контекстное окно 1 048 576 токенов, однако для использования требуется целевая модель и сервер с необходимыми DFlash capture hooks. Модель распространяется по лицензии MIT.

Сценарии применения

  • ускорение генерации текста на сервере GLM-5.3-Flash
  • параллельное предложение блоков токенов для проверки целевой моделью
  • повышение пропускной способности сервинга LLM в SGLang

Ограничения

Не является самостоятельной языковой моделью и требует целевую модель zai-org/GLM-5.3-Flash, а также серверную поддержку DFlash capture hooks. Указанное большое контекстное окно относится к метаданным модели; README не описывает отдельные языковые или качественные характеристики черновых предложений.

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

GLM-5.3-Flash-DFlash

Paper | Github | Blog

This repository contains a DFlash draft model for zai-org/GLM-5.3-Flash. It is not a standalone language model. It is intended to be paired with the target model in a speculative decoding server.

DFlash uses a lightweight block diffusion draft model to propose multiple tokens in parallel. The target model verifies those proposals, improving serving throughput while preserving the target model's output distribution.

Quick Start

GLM-5.3-Flash needs the DFlash capture hooks in the glm5_next model, available on SGLang main. An example deployment is:

python -m sglang.launch_server \
  --model-path zai-org/GLM-5.3-Flash \
  --tp-size 4 \
  --trust-remote-code \
  --speculative-algorithm DFLASH \
  --speculative-draft-model-path modal-labs/GLM-5.3-Flash-DFlash \
  --speculative-dflash-block-size 8 \
  --speculative-draft-model-quantization unquant \
  --speculative-draft-attention-backend trtllm_mha \
  --speculative-draft-kv-cache-dtype fp8_e4m3 \
  --host 0.0.0.0 \
  --port 30000

Keep the draft model unquantized. Quantizing it lowers the accept length.

License

Distributed under the MIT License, inherited from the target model.

Citation

If you find DFlash useful, please cite the original paper:

@article{chen2026dflash,
  title   = {{DFlash: Block Diffusion for Flash Speculative Decoding}},
  author  = {Chen, Jian and Liang, Yesheng and Liu, Zhijian},
  journal = {arXiv preprint arXiv:2602.06036},
  year    = {2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
DFlash2DraftModel
Ревизия весов
dae6d31

0 моделей