/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
1 млрд
Лицензия
Своя лицензия
Архитектура
qwen3 · dense
Базовая модель
Alpamayo-R1-10B
Опубликована
12 мар 2026

Alpamayo-R1-10B-DFlash

Языковая модельИзображение, текст → action3 профессии

Черновая DFlash-модель для ускорения вывода Alpamayo-R1-10B в системе FlashDrive для автономного вождения.

320скачиваний за 30 дней4лайкавеса обновлены4 июл 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

Alpamayo-R1-10B-DFlash — вспомогательная черновая модель, разработанная z-lab для ускорения вывода Alpamayo 1 (R1) в системе FlashDrive при автономном вождении. Она не является самостоятельной языковой моделью: FlashDrive автоматически подключает её к базовой модели z-lab/Alpamayo-R1-10B.

Модель предлагает блоки из нескольких токенов параллельно, чтобы ускорить цепочку причинно-следственных рассуждений базовой модели; Alpamayo проверяет каждый блок за один проход, сохраняя своё распределение выходов. Архитектура — компактная двухслойная сеть в стиле Qwen3 с размером блока 8, обученная на скрытых состояниях слоёв базовой модели 24, 30, 31, 32 и 34. Репозиторий также содержит обученный эмбеддинг маски; указанный размер модели — 1 млрд параметров, контекст — 40 960 токенов.

Модель предназначена для ускорения инференса модели vision-language-action в сценариях автономного вождения. Использование требует базового чекпойнта и FlashDrive; загрузка этого репозитория как самостоятельной модели не предусмотрена. Лицензия указана как other, поэтому условия использования следует сверять с лицензией репозитория.

Сценарии применения

  • ускорение генерации Alpamayo-R1 при автономном вождении
  • параллельное предложение блоков токенов для проверки целевой моделью
  • ускорение цепочки причинно-следственных рассуждений модели в FlashDrive

Ограничения

Не предназначена для самостоятельного использования: требуется базовая модель z-lab/Alpamayo-R1-10B и FlashDrive. Лицензия обозначена как other, поэтому конкретные условия использования нужно уточнить в репозитории.

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

Alpamayo 1 (R1) — DFlash draft

Flash Vision-Language-Action Inference for Autonomous Driving

Paper GitHub Blog Models

DFlash draft model for z-lab/Alpamayo-R1-10B, used by FlashDrive to accelerate the chain-of-causation reasoning of Alpamayo 1 (R1).

DFlash (ICML 2026) uses a lightweight block-diffusion draft to propose several tokens in parallel; the target verifies each block in a single forward, preserving its output distribution. This draft is a 2-layer Qwen3-style network (block size 8) conditioned on target hidden states from layers 24/30/31/32/34. The repository also ships mask_embedding.pt, the trained mask-token embedding FlashDrive appends to the target's embedding table.

[!NOTE] Not a standalone language model. FlashDrive attaches it to the base checkpoint automatically — you do not load this repository directly.

Usage

import flashdrive

# from_pretrained fetches this -DFlash checkpoint automatically
model = flashdrive.from_pretrained("z-lab/Alpamayo-R1-10B")

See the base model card and the FlashDrive repository for the full pipeline.

License

This checkpoint is derived from NVIDIA's Alpamayo weights and is governed by the NVIDIA License, which permits non-commercial use only and extends to derivative works. The FlashDrive inference code is separately released under the MIT License.

Citation

@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}
}
@article{li2026flashdrive,
  title  = {{FlashDrive: Flash Vision-Language-Action Inference for Autonomous Driving}},
  author = {Li, Zekai and Liang, Yihao and Zhang, Hongfei and Chen, Jian and Liang, Yesheng and Liu, Zhijian},
  year   = {2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Класс архитектуры
DFlashDraftModel
Ревизия весов
161c338

0 моделей