/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
2,2 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Confucius3-Math
Библиотека
transformers
Опубликована
26 июн 2026

Confucius3-Math-DFlash

ЭмбеддингиТекст → embedding3 профессии

Черновая DFlash-модель для ускорения спекулятивного декодирования Confucius3-Math при генерации решений математических задач.

15скачиваний за 30 дней0лайковвеса обновлены26 июн 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 «Эмбеддинги» — 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

Confucius3-Math-DFlash — черновая модель DFlash для ускорения спекулятивного декодирования модели netease-youdao/Confucius3-Math. Это плотная архитектура DFlashDraftModel на базе семейства Qwen3, предназначенная для работы в связке с целевой моделью через vLLM; в README указаны 5 слоёв, блок из 16 токенов и около 1,5 млрд параметров, тогда как метаданные каталога указывают 2,2 млрд параметров. Модель использует скрытые состояния целевой модели и предлагает черновые продолжения, которые затем проверяются целевой моделью.

Основной сценарий — ускорение вывода Confucius3-Math при решении математических задач с рассуждениями, особенно при одиночном потоке запросов и низкой задержке. В README приведены результаты на GSM8K и MATH-500: средняя длина принятого продолжения составляет 5,47 и 5,79 токена соответственно; скорость измерялась на одном H200 с vLLM 0.22. Эти показатели зависят от оборудования, конфигурации и запроса. Для работы требуются совместимая целевая модель, vLLM версии 0.20.1 или выше и режим speculative decoding; README также указывает необходимость trust-remote-code. Контекст модели — 40 960 токенов. Лицензия — Apache-2.0.

Сценарии применения

  • ускорение генерации решений задач GSM8K моделью Confucius3-Math
  • снижение задержки при математических рассуждениях в одиночном потоке запросов
  • спекулятивное декодирование Confucius3-Math через vLLM
  • ускорение вывода на тестах MATH-500

Ограничения

Модель предназначена для работы вместе с целевой Confucius3-Math и совместимой версией vLLM; сама по себе не заменяет целевую модель. Приведённые показатели скорости и принятия токенов получены на одном H200 при заданной конфигурации и могут отличаться в других условиях.

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

Confucius3-Math-DFlash (draft model)

A DFlash block-diffusion speculative-decoding draft model for netease-youdao/Confucius3-Math. Use it as the --speculative-config model to accelerate Confucius3-Math inference (especially single-stream / low-latency math reasoning).

  • Target model: netease-youdao/Confucius3-Math (Qwen2 arch, 48 layers, DeepSeek-R1-distill thinking format)
  • Draft: 5-layer DFlashDraftModel, block size 16, ~1.5B params, taps target hidden states from layers [1,12,23,34,45]
  • Trained with: SpecForge, D-PACE loss, 6 epochs

Results (acceptance length = mean tokens accepted per draft+verify step, thinking mode)

datasetaccept lengthdraft accept ratetok/s (single stream)
GSM8K5.4730%493
MATH-5005.7932%526

Higher acceptance ⇒ more tokens emitted per target forward ⇒ larger speedup. Profiled on 1×H200, vLLM 0.22, temperature 0.

Usage (vLLM)

vllm serve netease-youdao/Confucius3-Math \
  --speculative-config '{"method": "dflash", "model": "noctuashap/Confucius3-Math-DFlash", "num_speculative_tokens": 15}' \
  --trust-remote-code

DFlash is supported in vLLM ≥ 0.20.1. --trust-remote-code is required (the draft is a custom DFlashDraftModel, included as dflash.py).

Training data

~148k math-leaning prompts (NuminaMath / MATH / GSM8K / OpenMathReasoning + some code/reasoning/general), regenerated by Confucius3-Math itself (thinking traces kept inline) so the draft matches the target's own output distribution. No correctness filtering (distribution matching, not correctness).

Built with Claude Code.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
DFlashDraftModel
Ревизия весов
e7549f0

0 моделей