К содержимому
Другое

SDAR-TargetSFT-1.7B-b16-ep3

драфтовая модель для ускорения генерации Qwen3-8B

1 мин чтения

Эта модель создана как drafter (вспомогательная модель) для speculative decoding (метода ускорения генерации токенов в LLM), где в качестве целевой модели выступает Qwen/Qwen3-8B. Модель обучена на базе JetLM/SDAR-1.7B-Chat-b16 с использованием метода TargetSFT (блочной диффузионной оптимизации SDAR по ответам, сгенерированным Qwen3-8B). Она помогает ускорить работу более крупных языковых моделей при генерации текстов. Модель будет полезна разработчикам и исследователям, занимающимся оптимизацией скорости инференса (процесса работы модели) больших языковых моделей.

Ключевые особенности

  • Разработана для speculative decoding в паре с Qwen3-8B
  • Основана на 1.7B-модели JetLM/SDAR-1.7B-Chat-b16
  • Обучена на датасете с регенерацией ответов от Qwen3-8B
  • Использует блочную диффузионную архитектуру SDAR

Что можно сделать

  • Применить модель в конвейере speculative decoding для ускорения инференса Qwen3-8B
  • Исследовать многошаговое шумоподавление и методы ускорения языковых моделей

Пример

Загрузка модели выполняется аналогично базовой модели SDAR с параметром trust_remote_code=True, токенизатор общий с Qwen3.

ПодробнееБазовая модель: JetLM/SDAR-1.7B-Chat-b16
Параметры: 2.03 млрд
Обучение: 5931 шагов на одной карте RTX PRO 6000
Данные: 99,032 диалога из mlabonne/open-perfectblend
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 3.8 GB · готовые файлы4.7 GB
  • FP8 / INT8рекомендуемвеса 1.9 GB2.6 GB
  • 4-bitвеса 1.1 GB1.7 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Mye0n9/SDAR-TargetSFT-1.7B-b16-ep3
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Mye0n9/SDAR-TargetSFT-1.7B-b16-ep3 --local-dir ~/models/SDAR-TargetSFT-1.7B-b16-ep3
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к SDAR-TargetSFT-1.7B-b16-ep3
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

JetLM/SDAR-1.7B-Chat-b16

Новые посты про версии SDAR-1.7B-Chat-b16 — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 1Все на Hugging Face

О модели

Mye0n9/SDAR-TargetSFT-1.7B-b16-ep3
Автор
Mye0n9
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Hedwig 97.6M

Hedwig 97.6M