GLM-5.1 — языковая модель Z.ai для генерации кода и длительных агентных инженерных задач с инструментами.

Подходит для: генерация кода по описанию задачи · поиск и исправление ошибок в репозитории · выполнение многоэтапных задач в терминале

Черновая модель для спекулятивного декодирования, ускоряющая генерацию текста целевой Qwen3.8-27B в совместимом сервере.

Подходит для: Ускорение генерации ответов моделью Qwen3.8-27B · Увеличение пропускной способности сервера генерации текста · Ускорение решения математических задач целевой моделью

Мультимодальная модель Z.ai для диалогов, анализа изображений, программирования и агентных задач.

Подходит для: ответы на вопросы по изображениям · описание и анализ визуальных материалов · помощь с программированием

Черновая модель DFlash на базе Qwen3.5-9B, ускоряющая генерацию целевой модели через спекулятивное декодирование.

Подходит для: ускорение генерации ответов Qwen3.5-9B в сервере вывода · повышение пропускной способности сервиса диалоговой модели · ускорение генерации решений математических задач

Черновая модель DFlash семейства Qwen3 для ускорения генерации текста в паре с Qwen/Qwen3.6-27B.

Подходит для: ускорение генерации текста методом speculative decoding · параллельное черновое декодирование для Qwen3.6-27B · экспериментальная настройка инференса в vLLM или SGLang

Черновая модель DFlash для спекулятивного декодирования Qwen3.5-4B, ускоряющая генерацию токенов при работе в совместимом сервере инференса.

Подходит для: ускорение инференса Qwen3.5-4B в SGLang · увеличение пропускной способности генерации текста при пакетной обработке запросов · ускорение ответов на математические задачи с сохранением выходного распределения целевой модели

Черновая модель DFlash для ускорения генерации текста с помощью спекулятивного декодирования целевой моделью Qwen.

Подходит для: ускорение инференса совместимой модели Qwen · параллельное черновое предсказание токенов при генерации текста · интеграция DFlash в сервер генерации на Transformers

Черновая модель DFlash для ускорения инференса Qwen/Qwen3.6-35B-A3B посредством спекулятивного декодирования.

Подходит для: ускорение генерации текста на сервере с Qwen3.6-35B-A3B · повышение пропускной способности пакетного инференса Qwen · спекулятивное декодирование в SGLang с проверкой токенов целевой моделью

Компактная модель-черновик DFlash предлагает блоки токенов для speculative decoding, ускоряя генерацию текста целевой моделью openai/gpt-oss-120b.

Подходит для: ускорение инференса openai/gpt-oss-120b через speculative decoding · ускорение генерации ответов на математические задачи · ускорение генерации кода при решении задач HumanEval и MBPP

Черновая диффузионная модель DFlash предлагает продолжения для ускорения спекулятивного декодирования meta-llama/Llama-3.1-8B-Instruct.

Подходит для: Ускорение генерации ответов Llama 3.1 8B в SGLang · Параллельное черновое декодирование продолжений текста · Ускорение генерации при решении математических задач

GLM-4.7 — англо-китайская языковая модель Z.ai для программирования, агентных задач, рассуждений и диалогов.

Подходит для: генерация и отладка программного кода · выполнение задач разработки через терминальный агент · создание веб-страниц и интерфейсов по описанию

Вспомогательная модель DFlash, которая ускоряет генерацию текста моделью Google Gemma 4 31B Instruct за счёт спекулятивного декодирования.

Подходит для: Ускорение генерации ответов Gemma 4 31B Instruct · Параллельное черновое предсказание токенов при спекулятивном декодировании · Снижение задержки текстовой генерации в совместимом сервере vLLM

Базовая мультимодальная модель Z.ai для исследований и дальнейшей разработки систем, работающих с изображениями и текстом.

Подходит для: исследование визуально-языковых моделей · разработка приложений для вопросов и ответов по изображениям · создание мультимодальных диалоговых систем

Компактная модель-черновик DFlash для спекулятивного декодирования, ускоряющая генерацию текста целевой моделью Qwen/Qwen3-8B.

Подходит для: ускорение генерации текста моделью Qwen3-8B · параллельная подготовка черновых токенов при спекулятивном декодировании · интеграция DFlash в сервер вывода Qwen3-8B

Черновая модель DFlash для ускорения генерации Qwen3.5-122B-A10B методом спекулятивного декодирования в совместимом сервере инференса.

Подходит для: ускорение генерации ответов целевой моделью Qwen3.5-122B-A10B · ускорение решения математических задач при инференсе · ускорение генерации кода целевой моделью

Дообученная 10B VLA-модель NVIDIA для интерпретации дорожной обстановки и прогнозирования действий автомобиля в системах автономного вождения.

Подходит для: анализ дорожных сцен для автономного вождения · прогнозирование траектории автомобиля по видеоклипам · оценка дорожной обстановки для планирования движения

Черновая модель DFlash для ускорения спекулятивного декодирования Qwen3.5-27B в совместимом сервере инференса.

Подходит для: ускорение генерации ответов моделью Qwen3.5-27B · повышение пропускной способности сервера инференса · ускорение генерации решений математических задач

Черновая DFlash-модель для ускорения генерации текста базовой моделью Gemma 4 посредством speculative decoding.

Подходит для: ускорение генерации ответов Gemma 4 на сервере · ускорение пакетной генерации при параллельной обработке запросов · снижение задержки генерации в совместимой конфигурации vLLM

Вспомогательная draft-модель на основе Qwen3, которая ускоряет причинно-следственное рассуждение VLA-модели Alpamayo 1.5 при автономном вождении.

Подходит для: ускорение инференса Alpamayo 1.5 в FlashDrive · параллельное предложение блоков токенов для проверки целевой моделью · ускорение анализа причинно-следственных связей в дорожной обстановке

Черновая модель DFlash 2 ускоряет генерацию Qwen3.8-27B, предлагая блоки токенов для проверки при спекулятивном декодировании.

Подходит для: ускорение генерации ответов Qwen3.8-27B на сервере · ускорение решения математических задач моделью Qwen · ускорение генерации кода моделью Qwen

Черновая модель DFlash для Qwen3.5-35B-A3B, ускоряющая серверную генерацию текста посредством спекулятивного декодирования.

Подходит для: ускорение генерации ответов моделью Qwen3.5 на сервере инференса · увеличение пропускной способности при параллельной генерации текста · ускорение решения математических задач целевой моделью

Лёгкая модель-черновик DFlash предлагает блоки токенов для ускорения генерации кода основной моделью Qwen3-Coder-Next.

Подходит для: Ускорение генерации кода с Qwen3-Coder-Next · Ускорение выполнения задач HumanEval · Ускорение генерации решений для MBPP

Компактная модель-черновик DFlash для ускорения генерации текста целевой моделью openai/gpt-oss-20b посредством спекулятивного декодирования.

Подходит для: ускорение инференса openai/gpt-oss-20b · ускорение генерации ответов в диалогах · ускорение решения математических задач

Черновая модель DFlash 2 предлагает блоки токенов для спекулятивного декодирования и ускоряет генерацию meta-models/Muse-Glimmer-30B без изменения её результата.

Подходит для: ускорение генерации текста на сервере SGLang · ускорение решения математических задач моделью Muse-Glimmer-30B · ускорение генерации программного кода моделью Muse-Glimmer-30B