/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
9,7 ГБ
Лицензия
Своя лицензия
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-4B
Библиотека
sglang
Опубликована
3 авг 2026

HybridDiffusion-4B

Генерация текстаТекст → текст8 профессий

Текстовая модель на 4,84 млрд параметров, преобразованная из Qwen3.5-4B для диалогов и генерации с авторегрессионным, спекулятивным и диффузионным режимами декодирования.

147скачиваний за 30 дней1лайквеса обновлены17 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

HybridDiffusion-4B — текстовая генеративная модель на 4,84 млрд параметров, созданная авторами HybridDiffusion преобразованием Qwen3.5-4B по схеме перехода от авторегрессионной генерации к диффузионной. Она построена на гибридной архитектуре Gated DeltaNet и softmax-внимания и поддерживает три режима генерации на одном наборе весов: обычную авторегрессионную, спекулятивное декодирование с проверкой AR-Trust и параллельное уточнение токенов Diffusion-Trust.

Модель предназначена для диалогов и генерации текста. В README приведены результаты на тестах знаний и следования инструкциям; доступные режимы позволяют выбирать между последовательной генерацией, проверкой черновых токенов и параллельным денойзингом блоков. Для запуска авторы рекомендуют среду HybridDiffusion на базе SGLang и FlashInfer. Карточка указывает английский язык; мультимодальные возможности базовой Qwen3.5-4B не следует автоматически приписывать этому текстовому чекпойнту.

Модель распространяется под лицензией с обозначением «other»; конкретные условия следует проверять в карточке репозитория. Указанные benchmark-результаты зависят от режима декодирования и настроек оценки, а для запуска требуется совместимое окружение HybridDiffusion.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • следование текстовым инструкциям
  • оценка знаний на тестах с вопросами и ответами
  • сравнение авторегрессионного и диффузионного декодирования
  • ускорение генерации текста спекулятивной проверкой токенов

Ограничения

Для инференса требуется совместимое окружение HybridDiffusion с SGLang и FlashInfer. В карточке не приведены конкретные условия лицензии помимо обозначения «other», поэтому их следует сверить в репозитории.

Для каких профессий подходит8

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

HybridDiffusion-4B

Model overview

HybridDiffusion-4B is a 4.84B-parameter text-generation checkpoint produced by applying HybridDiffusion's autoregressive-to-diffusion conversion recipe to Qwen3.5-4B. A single set of weights supports AR-Trust verified decoding, Diffusion-Trust parallel denoising, and ordinary causal generation through the HybridDiffusion runtime.

PropertyValue
Base modelQwen3.5-4B
Parameters4,841,450,496
ArchitectureHybrid Gated DeltaNet and softmax attention
Input / outputText / text
Weight formatBF16 safetensors
Context configuration262,144 positions
Vocabulary size248,320
LicenseLicense

The native mask ID is 248077. It belongs to the padded model vocabulary and is intentionally not exposed as a tokenizer token.

Quick Start Guide

HybridDiffusion inference uses the SGLang and FlashInfer implementations bundled with the HybridDiffusion repository. The checkpoint uses a standard Hugging Face layout and is downloaded automatically by the serving runtime.

1. Install the runtime

git clone https://github.com/yuchen-zhu-zyc/HybridDiffusion.git
cd HybridDiffusion/eval

HYBRID_DIFFUSION_CACHE_ROOT=/persistent/hybrid-diffusion-cache \
  bash scripts/setup_eval_env.sh

The one-shot installer creates the evaluation environment and places reusable Hugging Face, FlashInfer, Triton, and extension caches below HYBRID_DIFFUSION_CACHE_ROOT.

2. Start a server

Start one decoding mode. Each command below serves the same checkpoint and uses port 30000 unless PORT is overridden.

# AR-Trust: noisy-stream drafting with clean-stream verification.
scripts/serve.sh self-spec yuchen-zhu-zyc/HybridDiffusion-4B

# Diffusion-Trust: parallel block denoising.
scripts/serve.sh diffusion yuchen-zhu-zyc/HybridDiffusion-4B

# Causal reference: ordinary left-to-right decoding.
scripts/serve.sh causal yuchen-zhu-zyc/HybridDiffusion-4B

To run more than one server, assign a different PORT and GPU to each process, for example PORT=30001 CUDA_VISIBLE_DEVICES=1 ....

3. Query the OpenAI-compatible API

curl http://localhost:30000/v1/chat/completions \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "yuchen-zhu-zyc/HybridDiffusion-4B",
    "messages": [{"role": "user", "content": "Solve: 17 × 23."}],
    "temperature": 1.0,
    "top_p": 0.95,
    "top_k": 20,
    "max_tokens": 512,
    "chat_template_kwargs": {"enable_thinking": false}
  }'

The installed environment also includes the OpenAI Python client:

from openai import OpenAI

client = OpenAI(base_url="http://localhost:30000/v1", api_key="EMPTY")
response = client.chat.completions.create(
    model="yuchen-zhu-zyc/HybridDiffusion-4B",
    messages=[{"role": "user", "content": "Solve: 17 × 23."}],
    temperature=1.0,
    top_p=0.95,
    max_tokens=512,
    extra_body={
        "top_k": 20,
        "chat_template_kwargs": {"enable_thinking": False},
    },
)
print(response.choices[0].message.content)

Decoding modes

ModeLauncherReleased configurationDescription
AR-Trustscripts/serve.sh self-spechybrid_diffusion_self_spec_b7_g4.yamlThe noisy stream proposes multiple draft tokens and clean-stream logits verify them left-to-right.
Diffusion-Trustscripts/serve.sh diffusionhybrid_diffusion_shift_b3_g1.yamlA masked active block is denoised in parallel and committed after refinement.
Causalscripts/serve.sh causalNative causal decodingStandard left-to-right generation from the clean stream.

AR-Trust uses speculation horizon N=4 and the Exact-Truncated verification policy. Diffusion-Trust uses runtime block_size: 3, which implements logical block size B=4 under HybridDiffusion's shifted decoding rule. See the evaluation guide for the full configuration and sampling interface.

The API example controls request-level sampling. The released AR-Trust proposal and verification law uses temperature 1.0, top-k 50, and top-p 0.95; Diffusion-Trust uses threshold 0.95, temperature 1.0, top-k 20, and top-p 0.95 in its algorithm configuration.

Benchmark results

The HybridDiffusion, SDAR, and Qwen3.5 values come from Table 2 of the HybridDiffusion paper; the LLaDA-mini values come from Table 1. HybridDiffusion's AR-Trust and Diffusion-Trust columns use the same checkpoint. Bold marks the best diffusion LLM result among the public comparison models in each row; * denotes a result identified in the paper as potentially under-reported. — means the source did not report that result.

BenchmarkSDAR4BLLaDA-2.0miniLLaDA-2.1miniHybridDiffusion-4BAR-TrustHybridDiffusion-4BDiffusion-TrustQwen3.5-4BAR
Knowledge & Instruction Following
ARC-Challenge90.593.56—93.5294.6296.33
MMLU74.980.53—78.7379.5485.22
MMLU-Pro50.963.2263.4271.1470.9577.88
GPQA-Diamond33.047.9848.3663.6464.6580.30
IFEval56.680.7881.3373.2073.5790.02
Math
GSM8K89.994.24—91.0591.5889.16
MATH-50072.8——94.2091.6095.40
AIME-2410.0——58.8955.5663.33
AIME-257.536.6736.6743.3346.6748.89
Code
HumanEval72.886.59—93.2983.54*87.80
MBPP65.481.50—89.1177.82*82.49
LiveCodeBench v613.131.5028.8541.7112.57*50.86

Qwen3.5-4B is the autoregressive source checkpoint and is shown as a capability-retention reference; it is not included when selecting the bolded diffusion-LLM result.

Reproduce evaluation

With a server running on port 30000, launch the complete evaluation suite from the repository's eval directory:

PORTS=30000 \
TASKS="gsm8k math500 ifeval humaneval mbpp arc_c gpqa aime2024 aime2025 mmlu mmlu_pro lcb" \
  scripts/evaluate.sh

The evaluator writes generations, scores, executed commands, and a run manifest below HYBRID_DIFFUSION_CACHE_ROOT. See the evaluation README for task-specific requirements and full-evaluation settings.

Citation

@article{zhu2026flare,
  title   = {FLARE: Diffusion for Hybrid Language Model},
  author  = {Yuchen Zhu and Jing Shi and Chongjian Ge and Hao Tan and
             Yiran Xu and Wanrong Zhu and Jason Kuen and Koustava Goswami and
             Rajiv Jain and Yongxin Chen and Molei Tao and Jiuxiang Gu},
  journal = {arXiv preprint arXiv:2606.01774},
  year    = {2026}
}

Acknowledgements

HybridDiffusion-4B is derived from Qwen3.5-4B. The serving stack builds on SGLang and FlashInfer.

Как запустить

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

GPU в ailist

Универсальный рантайм · sglang

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5DLLMForConditionalGeneration
Ревизия весов
8784d49

0 моделей