/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
29,7 млрд
Размер весов
65,5 ГБ
Лицензия
Apache 2.0
Архитектура
sdar · dense
Базовая модель
Qwen3-32B
Библиотека
transformers
Опубликована
7 апр 2026

I-DLM-32B

Генерация текстаТекст → текст15 профессий

Диффузионная языковая модель на основе Qwen3-32B для диалоговой генерации, рассуждений, программирования и параллельного порождения токенов.

790скачиваний за 30 дней6лайковвеса обновлены15 апр 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

I-DLM-32B — плотная диффузионная языковая модель на 29,7 млрд параметров, созданная командой yifanyu на основе Qwen/Qwen3-32B. Она предназначена для диалоговой генерации текста, ответов на вопросы, математических рассуждений, программирования и следования инструкциям. Метод Introspective Strided Decoding позволяет генерировать и проверять группы токенов параллельно; для воспроизведения результатов авторы рекомендуют конвейер ISD на базе SGLang. Модель заявлена как сопоставимая по качеству с авторегрессионной Qwen3-32B на 15 тестах, охватывающих знания, математику, код и следование инструкциям.

Модель использует архитектуру SDAR и принимает текст, выдавая текст. Нативная длина контекста — 40 960 токенов. Карточка указывает английский язык; базовая Qwen3-32B описана как многоязычная. Репозиторий содержит веса Safetensors. Лицензия — Apache-2.0. Прямая загрузка через Transformers пока не поддерживает воспроизведение результатов из статьи; для вывода рекомендуется SGLang с реализацией ISD.

Сценарии применения

  • диалоговые ответы и следование инструкциям
  • решение математических задач
  • ответы на вопросы общего характера
  • генерация и объяснение программного кода
  • параллельная генерация текста с проверкой токенов

Ограничения

Для воспроизведения результатов авторы рекомендуют ISD-конвейер на базе SGLang; прямая загрузка через Transformers пока не поддерживается для этой цели. Заявления о качестве основаны на результатах бенчмарков, приведённых в карточке модели.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

I-DLM-32B

Introspective Diffusion Language Model (32B) — a diffusion language model converted from Qwen3-32B that matches AR quality while enabling parallel token generation.

[Project Page] [Paper] [Code]

Highlights

  • Matches Qwen3-32B quality across 15 benchmarks (knowledge, math, code, instruction following)
  • Introspective Strided Decoding (ISD): single-pass generation + verification with p/q acceptance criterion
  • AR-compatible serving via SGLang (paged KV cache, continuous batching, CUDA graphs)

Results

Quality (I-DLM-32B vs baselines)

BenchmarkI-DLM-32BQwen3-32B (AR)LLaDA-2.1-flash (100B)
ARC-C97.096.891.0
MMLU85.886.072.4
MMLU-Pro79.379.8-
GPQA-D68.268.749.5
GSM8K97.397.394.5
MATH-50096.896.682.4
AIME-2485.485.046.7
AIME-2572.772.0-
MathBench93.393.5-
HumanEval95.795.781.1
MBPP93.793.7-
LiveCodeBench-v657.257.739.3
IFEval87.187.183.0

Usage

Note: This model checkpoint is hosted on HuggingFace for weight distribution. For inference, please use our SGLang-based ISD pipeline which implements the Introspective Strided Decoding algorithm described in the paper. Direct loading via transformers is not currently supported for reproducing paper results.

Inference via SGLang (Recommended)

# Install
git clone https://github.com/Introspective-Diffusion/I-DLM.git
cd I-DLM/inference && bash install.sh

# Launch server
python -m sglang.launch_server \
    --model-path yifanyu/I-DLM-32B \
    --trust-remote-code --tp-size 1 --dtype bfloat16 \
    --mem-fraction-static 0.85 --max-running-requests 32 \
    --attention-backend flashinfer --dllm-algorithm IDLMBlockN \
    --dllm-algorithm-config inference/configs/idlm_blockN4_config.yaml \
    --port 30000

# Generate
curl http://localhost:30000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"model":"default","messages":[{"role":"user","content":"Prove sqrt(2) is irrational."}],"max_tokens":4096}'

See the inference README for detailed setup, evaluation, and benchmarking.

Method

I-DLM recovers introspective consistency (AR models' inherent self-agreement) through:

  1. Strict causal masking across both masked and clean tokens
  2. Logit shift (Dream shift): hidden state at position i predicts token i+1
  3. All-masked training: CE loss on both noisy and clean token positions

Training loss: L = CE_noisy + alpha * CE_clean

Related Models

ModelHuggingFaceDescription
I-DLM-8Byifanyu/I-DLM-8BConverted from Qwen3-8B
I-DLM-32Byifanyu/I-DLM-32BConverted from Qwen3-32B
I-DLM-8B-LoRAyifanyu/I-DLM-8B-lora-r128Gated LoRA adapter (rank=128) for lossless R-ISD

Citation

@article{yu2026introspective,
  title={Introspective Diffusion Language Models},
  author={Yu, Yifan and Jian, Yuqing and Wang, Junxiong and Zhou, Zhongzhu
          and Zhuang, Donglin and Fang, Xinyu and Yanamandra, Sri
          and Wu, Xiaoxia and Wu, Qingyang and Song, Shuaiwen Leon
          and Dao, Tri and Athiwaratkun, Ben and Zou, James
          and Lai, Fan and Xu, Chenfeng},
  journal={arXiv preprint arXiv:2604.11035},
  year={2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

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

Класс архитектуры
SDARForCausalLM
Ревизия весов
704533d

0 моделей