/ Модель

Характеристики

Базовая модель
Kimi-K2.7-Code
Библиотека
speculators
Опубликована
10 июл 2026

kimi-k2.7-code-dspark

Генерация текстаТекст → текст3 профессии

DSpark — черновая модель novita для ускорения генерации Kimi-K2.7-Code методом speculative decoding.

134скачиваний за 30 дней7лайковвеса обновлены10 июл 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

novita выпустила DSpark — черновую модель для ускорения генерации Kimi-K2.7-Code методом speculative decoding. Она предлагает несколько следующих токенов, а основная модель проверяет их; для работы нужны базовая модель Kimi-K2.7-Code и сервер vLLM с поддержкой DSpark.

Архитектура черновой модели включает три слоя с GQA и блок генерации размером 8, а также головы Markov logit-bias и оценки уверенности. Веса представлены одним файлом Safetensors в формате bf16 размером 6,3 ГБ. В README указана обученная длина последовательности 20 000 токенов. По приведённым авторами замерам на отдельных тестах конфигурация с семью спекулятивными токенами ускоряла генерацию в 2,34–2,78 раза; эти результаты относятся к описанной настройке vLLM и не гарантируют такой же прирост на других запросах и оборудовании.

Модель предназначена для ускорения генерации кода, математических решений и рассуждений основной моделью, а не для самостоятельного использования. Для запуска требуется совместимый vLLM nightly; в README также описаны возможные проблемы с планированием внимания и захватом CUDA-графа, для которых предложены обходные настройки. Производная основана на moonshotai/Kimi-K2.7-Code. Условия лицензии в предоставленных материалах не указаны.

Сценарии применения

  • ускорение генерации кода моделью Kimi-K2.7-Code
  • ускорение решения математических задач базовой моделью
  • ускорение генерации ответов для задач на рассуждение

Ограничения

Модель требует совместимой базовой Kimi-K2.7-Code и версии vLLM nightly с поддержкой DSpark; в README отмечены возможные сбои планирования внимания и захвата CUDA-графа. Условия лицензии в предоставленных материалах не указаны.

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

Kimi-K2.7-Code DSpark speculator

Overview

A DSpark speculator model for the Kimi-K2.7-Code base model, enabling faster inference through speculative decoding. DSpark extends the DFlash parallel draft backbone with two lightweight heads: a Markov logit-bias head (low-rank intra-block token dependency) and a per-position confidence head (accept-rate prediction). This checkpoint was trained in the Camelot-Ray online pipeline, where the draft consumes hidden states streamed from a live Kimi-K2.7-Code vLLM server.

This export is from Camelot exp38 checkpoint 3.

Model Specifications

  • Base Model: Kimi-K2.7-Code
  • Format: Safetensors (single-file bf16, 6.3 GB, 44 tensors)
  • Draft: 3 layers (Qwen3-style GQA), hidden 7168, 56 heads / 8 KV heads, head_dim 128, FFN 18432, rope_theta 50000, block_size=8
  • Vocabulary: pruned draft vocab 32,000 (d2t/t2d remap tables shipped in the weights), target vocab 163,840; mappings reused from the Kimi-K2.6/K2.7 compatible tokenizer setup
  • DSpark heads: Markov rank 256 (vanilla), confidence head (with-markov), mask_token_id=163608
  • Aux hidden-state layers: [1, 29, 57]
  • Trained context: seq 20000

Evaluation Results

Online vLLM nightly spec-decode, greedy decoding, TP=8, Kimi-K2.7-Code verifier, max_model_len=20000, cudagraphs enabled, and fuse_allreduce_rms=false.

The table also includes Novita's public Eagle3-MLA draft novita/kimi-k2.7-code-eagle3-mla under the same Kimi-K2.7-Code verifier, TP=8, cudagraph, and fusion-off serving setup. Cells show tok/s / speedup / accept_len. The standard rows use 6 prompts per benchmark; code-extra rows use the full LiveCodeBench and SPEED-Bench coding manifests with max_tokens=512.

benchmarkrowsbaseline tok/sDSpark n=3DSpark n=7Novita Eagle3 n=3Novita Eagle3 n=7best
gsm8k6132.0282.2 / 2.14x / 2.937309.1 / 2.34x / 3.659281.7 / 2.13x / 2.941277.3 / 2.10x / 3.595DSpark n=7
math5006132.0317.1 / 2.40x / 3.249367.4 / 2.78x / 4.303288.6 / 2.19x / 3.026294.5 / 2.23x / 3.851DSpark n=7
aime6131.5276.8 / 2.10x / 2.778318.4 / 2.42x / 3.716263.2 / 2.00x / 2.766275.3 / 2.09x / 3.626DSpark n=7
humaneval6132.1285.1 / 2.16x / 2.875336.6 / 2.55x / 3.953285.9 / 2.17x / 3.029291.8 / 2.21x / 3.850DSpark n=7
livecodebench121129.8227.5 / 1.75x / 2.306231.0 / 1.78x / 2.696219.5 / 1.69x / 2.342198.5 / 1.52x / 2.593DSpark n=7
speedbench_coding80131.2282.0 / 2.15x / 2.837303.7 / 2.31x / 3.530272.1 / 2.06x / 2.886281.6 / 2.13x / 3.693DSpark n=7

Use DSpark with num_speculative_tokens=7 as the default for code, math, and most reasoning traffic.

Serving with vLLM

Requires a vLLM nightly with DSpark support:

uv pip install vllm --extra-index-url https://wheels.vllm.ai/nightly

vllm serve moonshotai/Kimi-K2.7-Code \
    --tensor-parallel-size 8 \
    --max-model-len 20000 \
    --trust-remote-code \
    --compilation-config='{"pass_config": {"fuse_allreduce_rms": false}}' \
    --speculative-config '{
        "model": "novita/kimi-k2.7-code-dspark",
        "num_speculative_tokens": 7,
        "method": "dspark"
    }'

Known vLLM-nightly caveats, with workarounds:

  1. Draft-side FA3 AOT scheduling can crash with scheduler_metadata must have shape (metadata_size) because the GPU-worker spec-decode path misses fast_build=True when building draft attention metadata. Patch vllm/v1/worker/gpu/spec_decode/speculator.py and vllm/v1/worker/gpu/attn_utils.py to pass fast_build=True.
  2. CUDA-graph capture can fail with a flashinfer allreduce workspace-size error under spec-decode token expansion; disable the fusion: --compilation-config='{"pass_config": {"fuse_allreduce_rms": false}}'.

Training Details

  • Initialization: continued from the Kimi-K2.7-Code DSpark exp37 checkpoint
  • Data: Kimi-K2.7-Code training mix with public Kimi-MTP data and hidden states streamed from the live Kimi-K2.7-Code verifier; seq 20000
  • Steps: 20000 optimizer steps
  • Schedule: lr 3e-4 cosine, warmup 300, global batch 8, accumulation 2
  • Loss: 0.1 CE + 0.9 TV over block-diffusion anchors, decay_gamma 4.0, max_anchors 3072
  • Semantics: apply_verifier_norm=False, hidden_states = concat of aux layers [1, 29, 57]

Как запустить

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

GPU в ailist

Универсальный рантайм · speculators

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
DSparkDraftModel
Ревизия весов
0464299

0 моделей