/ Модель

Характеристики

Контекст
1 048 576 токенов
Параметры
2,8 млрд
Лицензия
Своя лицензия
Архитектура
qwen3 · dense
Базовая модель
GLM-5.3-NVFP4
Библиотека
transformers
Опубликована
20 сен 2026

GLM-5.3-NVFP4-DFlash

Генерация текстаТекст → текст3 профессии

Черновая модель DFlash для ускорения обслуживания GLM-5.3-NVFP4 с помощью спекулятивного декодирования.

3 311скачиваний за 30 дней2лайкавеса 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-NVFP4-DFlash — черновая модель DFlash, разработанная Modal Labs для ускорения генерации целевой модели modal-labs/GLM-5.3-NVFP4. Это не самостоятельная языковая модель: её используют вместе с целевой моделью в сервере спекулятивного декодирования. Лёгкая черновая модель на основе блочной диффузии параллельно предлагает несколько токенов, которые целевая модель проверяет; такой подход повышает пропускную способность обслуживания, сохраняя распределение выходов целевой модели.

Модель содержит 2,8 млрд параметров, использует архитектуру Qwen3 с классом DFlash2DraftModel и распространяется в формате safetensors. Метаданные указывают контекстное окно 1 048 576 токенов для модели; фактическое применение этой черновой модели требует совместимого сервера и целевой GLM-5.3-NVFP4. В README рекомендован SGLang версии 0.5.19 или новее. Лицензия указана как other, поэтому конкретные условия следует проверять в карточке репозитория.

Сценарии применения

  • ускорение генерации GLM-5.3-NVFP4 в сервере SGLang
  • параллельное предложение токенов для спекулятивного декодирования
  • повышение пропускной способности сервиса генерации текста

Ограничения

Не является самостоятельной языковой моделью и должна использоваться вместе с целевой modal-labs/GLM-5.3-NVFP4 в совместимом сервере спекулятивного декодирования. В README рекомендован SGLang версии 0.5.19 или новее.

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-NVFP4-DFlash

Paper | Github | Blog

This repository contains a DFlash draft model for modal-labs/GLM-5.3-NVFP4. 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

Serve with SGLang v0.5.19 or later:

python -m sglang.launch_server \
  --model-path modal-labs/GLM-5.3-NVFP4 \
  --quantization modelopt_fp4 \
  --tp-size 4 \
  --trust-remote-code \
  --speculative-algorithm DFLASH \
  --speculative-draft-model-path modal-labs/GLM-5.3-NVFP4-DFlash \
  --speculative-dflash-block-size 8 \
  --speculative-draft-model-quantization unquant \
  --speculative-draft-attention-backend fa4 \
  --host 0.0.0.0 \
  --port 30000

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

License

Distributed under Z.ai's GLM-5.3 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
54d1d01

0 моделей