/ Модель

Характеристики

Контекст
262 144 токена
Параметры
750 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3.5-2B
Библиотека
transformers
Опубликована
30 июл 2026

Qwen3.5-2B-Dflash

Генерация текстаТекст → текст3 профессии

Черновая DFlash-модель для ускорения жадной генерации текста целевой моделью Qwen3.5-2B посредством спекулятивного декодирования.

190скачиваний за 30 дней3лайкавеса обновлены31 июл 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

Qwen3.5-2B DFlash — черновая модель для ускорения генерации текста целевой моделью Qwen3.5-2B. Она реализует метод спекулятивного декодирования DFlash: по скрытым состояниям нескольких промежуточных слоёв целевой модели за один проход предлагает блоки токенов, которые затем проверяются целевой моделью. При жадном декодировании проверенный результат совпадает с результатом целевой модели, а при ограничении пропускной способностью памяти такой подход может ускорить инференс. Модель разработана для применения с целевой Qwen3.5-2B и использует класс DFlashDraftModel; веса доступны в формате Safetensors, метод обучения связан с SpecForge.

В тестах с SGLang при жадном декодировании средняя длина принятого блока составила 4,163 токена для блока размером 8 и 4,781 для блока размером 16; результаты приведены для набора задач, включающего GSM8K, MATH500 и AIME25. Модель содержит 749,7 млн параметров и заявленное контекстное окно 262 144 токена. Карточка указывает поддержку английского и китайского языков. Лицензия — Apache-2.0. Для работы требуется совместимая целевая модель Qwen3.5-2B и реализация спекулятивного декодирования DFlash; ускорение зависит от оборудования и сценария инференса.

Сценарии применения

  • ускорение жадной генерации ответов с Qwen3.5-2B
  • ускорение генерации решений математических задач
  • инференс Qwen3.5-2B с проверкой блоков кандидатов
  • развёртывание спекулятивного декодирования в SGLang

Ограничения

Это черновая модель, рассчитанная на совместную работу с целевой Qwen3.5-2B и поддерживающим DFlash программным обеспечением; сама по себе она не заменяет целевую модель. Фактическое ускорение зависит от оборудования и нагрузки, а приведённые результаты относятся к жадному декодированию.

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

Qwen3.5-2B DFlash Draft Model

A DFlash speculative-decoding draft model for Qwen3.5-2B .

What is DFlash?

DFlash is a lightweight speculative-decoding draft method. Instead of decoding one token at a time, the draft model proposes a whole block of candidate tokens in a single forward pass, conditioned on hidden states captured from several intermediate layers of the target model. The target model then verifies the block in parallel and accepts the longest correct prefix. This lets the system emit multiple tokens per target forward pass while keeping the output identical to greedy target decoding, which speeds up inference when decoding is memory-bandwidth bound.

Model

Base / target modelQwen3.5-2B
MethodDFlash (speculative decoding)
FrameworkSpecForge
Hardware8× AMD MI308X
Training6 epochs
Data~800K samples: a mixture of NVIDIA Nemotron Post-Training Dataset V2 (Nathawani et al., 2025) and CodeAlpaca (Chaudhary, 2023), regenerated with the target model

Files

  • model.safetensors — draft model weights
  • config.json — draft model config

Benchmark

Eval config

  • Backend: sglang
  • Decoding: greedy, temperature = 0, max_tokens = 2048
  • Metric: accept length (AL) = Σ completion_tokens / Σ verify_ct (tokens emitted per target verify pass)

Per dataset

CategoryDatasetAL (block=8)AL (block=16)
MATHgsm8k4.7075.574
math5005.1526.383
aime254.9565.932
CODEhumaneval4.6095.415
mbpp4.5075.301
lcb4.2524.858
CHATmtbench2.8613.185
arenahard3.1133.407
SCIENCE QAgpqa4.0344.519

Overall

blockALaccept rate
84.16345.21%
164.78125.23%

DFlash 是什么?

DFlash 是一种轻量级的投机解码(speculative decoding)草稿方法。草稿模型不再逐 token 解码,而是借助从目标模型多个中间层捕获的隐状态,在一次前向中一次性提出一整块(block)候选 token;随后目标模型并行校验该 block,并接受最长的正确前缀。因此在保持与目标模型贪心解码完全一致输出的前提下,每次目标前向可产出多个 token ,进而在访存瓶颈时提高推理速度。

模型信息

基座 / 目标模型Qwen3.5-2B
方法DFlash(投机解码)
训练框架SpecForge
硬件8 卡 AMD MI308X
训练轮数6 个 epoch
训练数据约 80 万条样本:NVIDIA Nemotron Post-Training Dataset V2 (Nathawani et al., 2025) 与 CodeAlpaca (Chaudhary, 2023) 的混合集 ; 使用目标模型重新生成

文件说明

  • model.safetensors — 草稿模型权重
  • config.json — 草稿模型配置

评测结果

评测配置

  • 后端: sglang
  • 解码: greedy, 温度 = 0, max_tokens = 2048
  • 指标: 接受长度 (AL) = Σ completion_tokens / Σ verify_ct(每次目标校验前向产出的 token 数)

分数据集

类型数据集AL (block=8)AL (block=16)
数学gsm8k4.7075.574
math5005.1526.383
aime254.9565.932
代码humaneval4.6095.415
mbpp4.5075.301
lcb4.2524.858
对话mtbench2.8613.185
arenahard3.1133.407
科学问答gpqa4.0344.519

总览

blockAL接受率
84.16345.21%
164.78125.23%

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
19be0b0

0 моделей