/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Muse-Glimmer-30B
Библиотека
llama.cpp
Опубликована
18 авг 2026

Muse-Glimmer-30B-DFlash2-GGUF

Генерация текстаТекст → текст3 профессии

Muse-Glimmer-30B-DFlash2-GGUF — набор GGUF-конвертаций черновой модели DFlash 2 для Muse-Glimmer-30B, разработанный Inco AI и предназначенный для использования с llama.cpp.

1 153скачиваний за 30 дней12лайковвеса обновлены18 авг 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

Это не самостоятельная языковая модель: она работает внутри сервера со speculative decoding, предварительно генерируя токены, которые затем проверяет целевая модель Muse-Glimmer-30B.

DFlash 2 использует block-diffusion для параллельного предсказания целого блока токенов за один проход, сохраняет несколько лучших кандидатов на каждой позиции и выбирает из них согласованный путь. Архитектура включает двухконтактные динамические свёртки, помогающие сохранять качество черновика к концу блока. Заявлена без потерь: при жадной генерации результат совпадает с целевой моделью, а при sampling сохраняется её распределение. Доступны варианты BF16 размером 5,5 ГБ, Q8_0 размером 2,9 ГБ и Q4_K_M размером 1,6 ГБ.

Модель предназначена для ускорения инференса Muse-Glimmer-30B в поддерживаемом сервере speculative decoding; автономное использование не предусмотрено. В README не указаны языки, размер контекста и мультимодальные возможности. Для запуска требуется сборка llama.cpp с поддержкой DFlash 2 и совместимая целевая модель. Репозиторий распространяется по лицензии Apache-2.0.

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

Muse-Glimmer-30B-DFlash2-GGUF

Blog | GitHub

This repository contains GGUF conversions of incoai/Muse-Glimmer-30B-DFlash2, the DFlash 2 draft model for meta-models/Muse-Glimmer-30B. It is not a standalone language model: it runs inside a speculative decoding server and drafts tokens for the target model to verify. This repository is a mirror of incoai/Muse-Glimmer-30B-DFlash2-GGUF.

DFlash 2 is a block-diffusion drafter for speculative decoding. It predicts a whole block of tokens in a single pass and keeps the top candidates at every position. A lightweight selector then traces one coherent path through them. Two-tap dynamic convolutions in the backbone keep the draft from decaying toward the end of the block. Decoding is lossless: greedy output matches the target model exactly, and sampling preserves its distribution.

FileSize
Muse-Glimmer-30B-DFlash2-Q4_K_M.gguf1.6 GB
Muse-Glimmer-30B-DFlash2-Q8_0.gguf2.9 GB
Muse-Glimmer-30B-DFlash2-BF16.gguf5.5 GB

Quick Start

Build llama.cpp with DFlash 2 support (PR #27342):

git clone https://github.com/ggml-org/llama.cpp.git
cd llama.cpp
git fetch origin pull/27342/head:pr-27342
git switch pr-27342

# NVIDIA CUDA
cmake -B build -DCMAKE_BUILD_TYPE=Release -DGGML_CUDA=ON
cmake --build build -j

# Apple Silicon
cmake -B build -DCMAKE_BUILD_TYPE=Release -DGGML_METAL=ON
cmake --build build -j

Then serve:

./build/bin/llama-server \
  -hf meta-models/Muse-Glimmer-30B-GGUF:Q4_K_M \
  -hfd incoai/Muse-Glimmer-30B-DFlash2-GGUF:Q4_K_M \
  --spec-type draft-dflash \
  --spec-draft-n-max 15

See the blog post for other engines and more details.

Evaluation

  • Target: meta-models/Muse-Glimmer-30B-GGUF, Q4_K_M
  • Sampling: Muse's officially recommended parameters (temperature 1.0, top-p 0.95, top-k 64), with high reasoning strength
  • Maximum new tokens: 2048
  • Prompts: the first eight GSM8K test examples

Acceptance Length

Acceptance length is the per-request mean of completion tokens divided by verification steps. Higher is better.

Draft GGUFAcceptance Length
BF165.45
Q8_05.58
Q4_K_M5.44

Full evaluations of the base checkpoint are on the main model card.

Citation

If you find DFlash 2 useful, please cite:

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

Please also cite the original DFlash paper:

@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}
}

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
8808826

0 моделей