/ Модель

Характеристики

Контекст
262 144 токена
Параметры
2,9 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3.8-27B-Uncensored
Библиотека
transformers
Опубликована
24 авг 2026

Qwen3.8-27B-DFlash2

Генерация текстаТекст → текст3 профессии

Черновая модель DFlash 2 предлагает блоки токенов для спекулятивного декодирования текста вместе с совместимой целевой моделью Qwen.

231скачиваний за 30 дней0лайковвеса обновлены25 авг 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

Qwen3.8-27B-DFlash2 — черновая модель спекулятивного декодирования DFlash 2 для Qwen/Qwen3.8-27B и совместимых производных моделей. Репозиторий связывает её с несколькими вариантами базовой модели, включая JonathanColetti/Qwen3.8-27B-Uncensored. Модель не предназначена для самостоятельной генерации: она работает параллельно с целевой моделью в сервере инференса vLLM или SGLang и предлагает блоки токенов для проверки целевой моделью.

Архитектура DFlash 2 использует блочное диффузионное предсказание: за один проход предлагает блок из 7 токенов, а лёгкий селектор выбирает связный путь среди кандидатов. README заявляет, что при жадном декодировании проверка сохраняет математическую точность целевой модели, а при сэмплировании — её распределение. Метаданные указывают 2,9 млрд параметров, контекст 262 144 токена и формат Safetensors. Модель предназначена для ускорения генерации текста, в том числе кода, при совместном запуске с совместимой целевой моделью.

Лицензия — Apache-2.0. Для работы требуется совместимая целевая модель и поддерживающий спекулятивное декодирование сервер; заявленные в README результаты проверки получены на ограниченной выборке и не гарантируют такие же показатели в других сценариях.

Сценарии применения

  • ускорение генерации текста в vLLM
  • ускорение генерации текста в SGLang
  • спекулятивное декодирование с моделями Qwen3.8-27B
  • ускорение генерации кода совместимой целевой моделью

Ограничения

Модель не является самостоятельной LLM: для работы ей необходима совместимая целевая модель и сервер инференса с поддержкой DFlash. Заявленные результаты проверки основаны на ограниченной выборке из README.

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

Qwen3.8-27B-DFlash2

Research Blog | GitHub Repository

This repository provides the DFlash 2 Speculative Draft Model for Qwen/Qwen3.8-27B and its derivatives, including JonathanColetti/Qwen3.8-27B-Uncensored and wyattearp/Qwen3.8-27B-Uncensored-NVFP4.

Important: This is a speculative decoding draft model, not a standalone generative LLM. It is designed to run concurrently inside an inference server (vLLM or SGLang) alongside the target base model, proposing draft token blocks that the target model verifies in parallel.


How DFlash 2 Works

DFlash 2 is a block-diffusion speculative drafter:

  1. Parallel Block Proposal: Instead of autoregressively drafting tokens one-by-one, DFlash 2 predicts a full block of 7 tokens in a single forward pass.
  2. Candidate Path Selector: It retains the top candidates at each position and uses a lightweight selector to trace a coherent path through them.
  3. Lossless Verification: The target model (e.g. Qwen3.8-27B-Uncensored-NVFP4) computes verification logits across the proposed block in a single step. Greedy decoding matches the base model with 100% mathematical fidelity, while sampling preserves the target distribution.

Compatible Target Base Models

Target ModelFormat / PrecisionHugging Face Repository
Qwen 3.8-27B-Uncensored (NVFP4)NVFP4 (26.6 GB)wyattearp/Qwen3.8-27B-Uncensored-NVFP4
Qwen 3.8-27B-Uncensored (BF16)BF16 (54.0 GB)JonathanColetti/Qwen3.8-27B-Uncensored
Qwen 3.8-27B (Standard NVFP4)NVFP4 (26.6 GB)wyattearp/Qwen3.8-27B-NVFP4
Qwen 3.8-27B (Standard BF16)BF16 (54.0 GB)Qwen/Qwen3.8-27B

Serving Instructions

1. High-Throughput Serving with vLLM (NVFP4 Base + DFlash 2)

# Install vLLM with DFlash speculative decoding support
pip install -U "vllm>=0.27.1"

# Serve the NVFP4 Uncensored base model paired with this DFlash 2 draft head
vllm serve wyattearp/Qwen3.8-27B-Uncensored-NVFP4 \
  --host 0.0.0.0 \
  --port 8000 \
  --dtype auto \
  --trust-remote-code \
  --gpu-memory-utilization 0.75 \
  --max-model-len 16384 \
  --enable-auto-tool-choice \
  --tool-call-parser qwen3_xml \
  --reasoning-parser qwen3 \
  --speculative-config '{
    "method": "dflash",
    "model": "wyattearp/Qwen3.8-27B-DFlash2",
    "num_speculative_tokens": 7,
    "draft_sample_method": "probabilistic"
  }'

2. Serving with SGLang

pip install "sglang[all] @ git+https://github.com/sgl-project/sglang.git#subdirectory=python"

python -m sglang.launch_server \
  --model-path JonathanColetti/Qwen3.8-27B-Uncensored \
  --speculative-algorithm DFLASH \
  --speculative-draft-model-path wyattearp/Qwen3.8-27B-DFlash2 \
  --speculative-num-draft-tokens 8

Empirical Verification on DGX Spark (NVIDIA GB10)

Benchmarked when paired with wyattearp/Qwen3.8-27B-Uncensored-NVFP4 across 327 verified evaluation samples:

  • Decompilation Pass@1 Accuracy: 95.0% (19/20 passed programmatic clang++ -O2 compilation + unit test assertion execution).
  • Magma ASan Bug Triage: 100.0% (15/15 CVE root causes accurately localized across OpenSSL, SQLite, PHP, PNG, TIFF).
  • Speculative Verification: Proposes 7 tokens per verification step with zero accuracy regression compared to non-speculative autoregressive decoding.

Citations

If you utilize this DFlash 2 draft checkpoint, please cite the underlying research, fine-tune, and base models:

Inco AI & DFlash 2

@misc{inco2026dflash2,
  title  = {{DFlash 2: Keep Drafting Parallel}},
  author = {{Inco AI}},
  year   = {2026},
  month  = {August},
  url    = {https://inco.ai/blog/dflash2/}
}

@inproceedings{chen2026dflash,
  title     = {{DFlash: Block Diffusion for Flash Speculative Decoding}},
  author    = {Chen, Jian and Liang, Yesheng and Liu, Zhijian},
  booktitle = {International Conference on Machine Learning (ICML)},
  year      = {2026}
}

Jonathan Coletti (Uncensored Fine-Tune)

@misc{coletti2026qwen38uncensored,
  title  = {{Qwen3.8-27B-Uncensored: Uncensored Fine-Tune for Security & Technical Research}},
  author = {Coletti, Jonathan},
  year   = {2026},
  url    = {https://huggingface.co/JonathanColetti/Qwen3.8-27B-Uncensored}
}

Qwen Team

@article{qwen2025qwen25,
  title   = {{Qwen2.5 Technical Report}},
  author  = {{Qwen Team}},
  journal = {arXiv preprint arXiv:2412.15115},
  year    = {2024}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
DFlash2DraftModel
Ревизия весов
8cae54a

0 моделей