/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3-4B
Библиотека
speculators
Опубликована
8 сен 2026

Qwen3-4B-speculator-b8-dpard.dspark

Генерация текстаТекст → текст3 профессии

Черновая модель DSpark для спекулятивного декодирования с Qwen3-4B, предлагающая до восьми токенов за итерацию для ускорения генерации в совместимой связке vLLM и speculators.

123скачиваний за 30 дней0лайковвеса обновлены8 сен 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

Это черновая модель DSpark для спекулятивного декодирования, разработанная на базе Qwen/Qwen3-4B и предназначенная для совместной работы с ней как моделью-проверяющим. Она предлагает до восьми токенов за итерацию генерации, чтобы ускорить вывод в vLLM с библиотекой speculators; самостоятельно генерировать текст как полноценная языковая модель не предназначена. Модель использует пять черновых трансформерных слоёв, Markov head ранга 256 и голову оценки уверенности; при обучении применялся метод взвешивания позиций D-PARD. В README приведены результаты валидации и бенчмарков для задач программирования, математических рассуждений и вопросов и ответов.

Для работы требуются совместимые версии vLLM и speculators, а также модель-проверяющий и токенизатор Qwen/Qwen3-4B. Эффективность зависит от запросов, оборудования, размера пакета, версии ПО и настроек обслуживания; длина принятых последовательностей сама по себе не гарантирует ускорения общей пропускной способности. Модель распространяется по лицензии Apache-2.0, а ограничения и условия лицензии проверяющей модели также применимы.

Сценарии применения

  • ускорение генерации текста с Qwen3-4B в vLLM
  • спекулятивное декодирование с предложением до восьми токенов
  • ускорение генерации кода и ответов на вопросы при использовании Qwen3-4B

Ограничения

Это не самостоятельная языковая модель: для работы требуются Qwen/Qwen3-4B в роли проверяющей модели и совместимые версии vLLM и speculators. Принятие токенов и фактическая пропускная способность зависят от запросов, оборудования и конфигурации обслуживания.

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

Qwen3-4B DSpark Speculator (B8, D-PARD)

This repository contains a DSpark speculative decoding draft model trained for Qwen/Qwen3-4B. It proposes up to eight tokens per decoding iteration and was trained with the D-PARD position-weighting objective.

This is a research checkpoint intended for use with vllm-project/speculators and vLLM. It is not a standalone language model.

Model details

  • Architecture: DSpark draft model
  • Verifier: Qwen/Qwen3-4B
  • Speculative block size: 8
  • Draft transformer layers: 5
  • Verifier hidden-state layers: 1, 9, 17, 25, 33
  • Markov head: vanilla, rank 256
  • Confidence head: enabled with Markov features
  • Default proposal method: greedy
  • Precision: bfloat16
  • Draft vocabulary size: 151,936
  • Parameters file size: 1.23 GB

Training

The model was trained for one epoch from git commit 25f4e15859e58d6b1826083ef052f076f4480574.

  • Global steps: 244,909
  • World size: 4
  • Sequence length: 8,192
  • Optimizer: AdamW
  • Learning rate: 6e-4
  • Weight decay: 0
  • Scheduler: cosine with 4% warmup
  • Seed: 42
  • Loss: Rényi-half
  • Position weighting: D-PARD, alpha 0.5
  • speculators: 0.7.0.dev150
  • Training vLLM: 0.26.0
  • Transformers: 5.12.0
  • PyTorch: 2.11.0

The full invocation is included in train_command.txt.

Validation results

MetricValue
Loss0.6648
D-PARD credit2.4728
Acceptance rate0.6981
Acceptance length4.9210
Full accuracy0.7152

Speculator benchmark results

The checkpoint was evaluated with the D-PARD evaluation implementation on RedHatAI/speculator_benchmarks, using temperature 0, maximum generation length 128, maximum concurrency 128, and up to 200 requests per category.

CategoryAcceptance length
HumanEval5.2533
Math reasoning6.0775
QA4.3466
Question4.3991
RAG4.3387
Summarization3.2217
Tool call4.1933
Translation4.6091
Writing4.3966
Weighted overall4.7397

The weighted overall result is computed as 1 + total accepted speculative tokens / total draft iterations.

Under the same evaluation settings, RedHatAI/Qwen3-4B-speculator.dspark achieved a weighted acceptance length of 4.7543. Results were very close and varied by category.

Usage

Use this repository as the speculative model for Qwen/Qwen3-4B with a version of vLLM and speculators that supports DSpark. Keep the verifier model and tokenizer set to Qwen/Qwen3-4B; the configured speculative-token count is 8.

Limitations

  • Acceptance and speedup depend on prompts, hardware, batch size, vLLM version, and serving configuration.
  • This checkpoint inherits the behavior, limitations, and license considerations of its verifier model.
  • Acceptance length alone does not determine end-to-end throughput.

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
4096b7d

0 моделей