/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
1,6 млрд
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
12 июн 2026

treeflash-qwen3-8b

Генерация текстаТекст → текст3 профессии

Драфтер TreeFlash семейства Qwen3 предлагает продолжения текста для ускорения спекулятивного декодирования с Qwen/Qwen3-8B.

12скачиваний за 30 дней0лайковвеса обновлены18 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 «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

peerrh/treeflash-qwen3-8b — модель-драфтер TreeFlash, разработанная Peer Rheinboldt, Frédéric Berdoz и Roger Wattenhofer для ускорения спекулятивного декодирования. Это плотная архитектура TreeFlashDraftModel семейства Qwen3, представленная в формате safetensors и используемая вместе с целевой моделью Qwen/Qwen3-8B.

Модель предназначена для генерации текста в качестве части конвейера speculative decoding: драфтер параллельно предлагает приближения продолжения, которые целевая модель проверяет. README требует включить trust_remote_code=True для архитектуры драфтера и метода spec_generate. В метаданных указаны 1,6 млрд параметров и контекст 40 960 токенов; библиотека — Transformers. Авторы сообщают о препринте, поданном в июне 2026 года. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.

Сценарии применения

  • ускорение генерации текста с Qwen3-8B посредством speculative decoding
  • параллельное предложение вариантов продолжения для проверки целевой языковой моделью
  • интеграция драфтера TreeFlash в конвейер Transformers с методом spec_generate

Ограничения

Для загрузки требуется trust_remote_code=True; модель рассчитана на совместное использование с Qwen/Qwen3-8B. Лицензия и сведения о поддерживаемых естественных языках в предоставленных материалах отсутствуют.

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

TreeFlash: Parallel AR-Approximation for Faster Speculative Decoding

Peer Rheinboldt · Frédéric Berdoz · Roger Wattenhofer

arXiv

Preprint, submitted June 2026


Quick Start

TreeFlash requires trust_remote_code=True because the drafter architecture and spec_generate method are provided by this repository.

from transformers import AutoModel, AutoModelForCausalLM, AutoTokenizer

drafter = AutoModel.from_pretrained(
    "peerrh/treeflash-qwen3-8b",
    trust_remote_code=True,
    dtype="bfloat16",
    device_map="cuda:0",
).eval()

target = AutoModelForCausalLM.from_pretrained(
    "qwen/qwen3-8b",
    trust_remote_code=True,
    dtype="bfloat16",
    device_map="cuda:0",
).eval()

tokenizer = AutoTokenizer.from_pretrained("qwen/qwen3-8b", trust_remote_code=True)

messages = [{"role": "user", "content": "Write a quicksort in Python."}]

text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
    enable_thinking=False,
)
inputs = tokenizer([text], return_tensors="pt").to(drafter.device)

output_ids = drafter.spec_generate(
    target=target,
    input_ids=inputs["input_ids"],
    max_new_tokens=2048,
    stop_token_ids=[tokenizer.eos_token_id],
    temperature=0.0,
    drafter_temperature=1.0,
    tree_size=64,
    top_m=16,
)

print(tokenizer.decode(output_ids[0], skip_special_tokens=True))

Supported Models

TargetDrafter
Qwen/Qwen3-4Bpeerrh/treeflash-qwen3-4b
Qwen/Qwen3-8Bpeerrh/treeflash-qwen3-8b
Qwen/Qwen3-Coder-30B-A3B-Instructpeerrh/treeflash-qwen3-coder-30b-a3b

Citation

If you use TreeFlash, please cite:

@article{rheinboldt2026treeflash,
  title={TreeFlash: Parallel AR-Approximation for Faster Speculative Decoding},
  author={Rheinboldt, Peer and Berdoz, Fr{\'e}d{\'e}ric and Wattenhofer, Roger},
  journal={arXiv preprint arXiv:2606.03819},
  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
TreeFlashDraftModel
Ревизия весов
d9dd214

0 моделей