Qwen3.8-next-120b-dmtp
спекулятивный драфтер для ускорения Qwen3.8 Next 120B
2 min readupdated
Лёгкая модель-черновик объёмом 616 млн параметров (около 1,23 ГБ), предназначенная для ускорения генерации текста большой языковой моделью Qwen3.8 Next 120B методом speculative decoding (ускорение инференса за счёт предсказания нескольких токенов вперёд и их быстрой проверки основной моделью). Разработка от автора Piggy12 объединяет встроенный в Qwen модуль MTP (предсказание следующего токена) и параллельную блочную генерацию DFlash2. В отличие от базового чекпоинта Qwen3.8-Flash-Next-DFlash2, здесь используется механизм DMTP: первый кандидатный токен предлагает нативный MTP, а DFlash2 параллельно достраивает остальные токены блока с учётом нормализованного представления первого кандидата. Репозиторий содержит только веса драфтера — саму модель на 120B параметров и её эмбеддинги нужно подключать отдельно.
Ключевые особенности
- Гибридная архитектура DMTP: нативный MTP формирует первый токен T1, после чего DFlash2 параллельно предсказывает ещё шесть токенов блока.
- Обучена путём дообучения (шаг 7000) публичного чекпоинта Qwen3.8-Flash-Next-DFlash2 на базе реализации Z Lab DFlash2.
- Содержит 5 драфт-слоёв с hidden size 2560 и использует признаки с 5, 15, 25, 35 и 45 слоёв целевой модели.
- Поставляется в формате BF16 (84 тензора), включая свёрточные модули DFlash2, селектор кандидатов ранга 256 (top-k 16) и веса обуславливания T1.
Что можно сделать
- Ускорить локальный или серверный инференс Qwen3.8 Next 120B в форке движка SGLang с поддержкой архитектуры HC/QSA DMTP.
- Адаптировать пайплайн спекулятивного декодирования в собственный рантайм инференса, опираясь на открытую реализацию в GitHub и PR #50270 для SGLang.
Пример
git clone --depth 1 --branch dmtp-qsa-four-slot-20261113 \
[https://github.com/Sylvan820/sglang-dmtp.git](https://github.com/Sylvan820/sglang-dmtp.git)
cd sglang-dmtp
hf auth login
hf download Piggy12/Qwen3.8-next-120b-dmtp \
--local-dir ./models/Qwen3.8-next-120b-dmtp
Подробнее
Параметры: 616 177 920 (BF16, ~1,23 ГБ), 5 слоёв, hidden size 2560, intermediate size 7680.Обучение: шаг 7000 от Qwen3.8-Flash-Next-DFlash2; целевая модель и её MTP при обучении были заморожены.
Совместимость: не работает со стандартным загрузчиком Transformers или обычным DFlash — требуется рантайм с поддержкой DMTP и HC/QSA.
Ограничения: экспортированные веса прошли проверки целостности и контрольных сумм, но финальная валидация генерации на GPU для шага 7000 ещё не завершена; производительность инференса находится в стадии оптимизации.










Comments