Uso principal declarado o inferido con cautela desde la documentación oficial.
T
TENCENT / tencent/Qwen3.8-27B-DSpine-b16
DSpine for Qwen3.8-27B
Componente de Tencent que propone tokens en paralelo para acelerar la inferencia de Qwen3.8-27B. Tiene cinco capas y unos 2.026 millones de parámetros BF16; el nombre 27B corresponde al modelo objetivo. Los pesos se publicaron el 7 de noviembre. No es un asistente independiente: el modelo objetivo verifica los candidatos antes de incorporarlos a la salida.
01 / RESUMEN
Lo esencial
Capacidad máxima de entrada cuando la fuente la publica.
Límite máximo de generación documentado.
Canales de disponibilidad verificados.
Familia funcional principal y especialidades verificadas.
Condiciones declaradas para API, pesos o despliegue propio.
02 / FICHA TÉCNICA
Límites e integración
| ID de API | tencent/Qwen3.8-27B-DSpine-b16 |
|---|---|
| Tipo de modelo | Aceleración de inferencia |
| Modelo de acceso | Pesos abiertos |
| Licencia | Apache 2.0 |
| Despliegue | Despliegue propio |
| Lanzamiento | 07 NOV 2026 |
| Corte de conocimiento | No publicado |
| Entrada | Tokens y estados del modelo objetivo |
| Salida | Tokens candidatos |
| Ventana de contexto | Ventana deslizante de 8.192 tokens en el borrador |
| Salida máxima | Bloques de 16 tokens candidatos; verificación por el modelo objetivo |
| Razonamiento | Depende del modelo objetivo |
| Herramientas publicadas | SGLang 0.5.22 · FlashAttention 3 · ReplaySSM |
| Salidas estructuradas | No publicado |
| Procesamiento por lotes | No publicado |
| Caché de prompts | No publicado |
| Ajuste fino | No publicado |
| Plataformas verificadas | Hugging Face · SGLang 0.5.22 |
Integrar decodificación especulativa en un despliegue propio del modelo objetivo. El código oficial usa SGLang 0.5.22, FlashAttention 3, verificación dinámica y ReplaySSM. La ventana del borrador no equivale al contexto total del servicio. El ejemplo configura 131.072 tokens para el sistema conjunto, con hasta ocho peticiones concurrentes; no constituye un límite universal de cualquier instalación.
Los resultados dependen del modelo objetivo, runtime, precisión y carga. Las mediciones con prefijos de decisiones de herramientas reproducidos no demuestran que un agente complete mejor tareas reales. No se atribuyen al borrador capacidades conversacionales, visión, uso autónomo de herramientas ni una mejora de exactitud. La ficha no identifica la GPU de las tablas; no permite prometer la misma aceleración en otro equipo.
03 / CAPACIDADES
Qué puede hacer
Orientación
Integrar decodificación especulativa en un despliegue propio del modelo objetivo. El código oficial usa SGLang 0.5.22, FlashAttention 3, verificación dinámica y ReplaySSM. La ventana del borrador no equivale al contexto total del servicio. El ejemplo configura 131.072 tokens para el sistema conjunto, con hasta ocho peticiones concurrentes; no constituye un límite universal de cualquier instalación.
Contexto
Ventana deslizante de 8.192 tokens en el borrador · Bloques de 16 tokens candidatos; verificación por el modelo objetivo
Herramientas e integración
SGLang 0.5.22 · FlashAttention 3 · ReplaySSM
Acceso
Hugging Face · requiere Qwen3.8-27B
Modalidades de entrada
Tokens y estados del modelo objetivo
04 / PRECIOS
Coste documentado
| Concepto | Valor | Unidad / condición |
|---|---|---|
| Entrada estándar | Sin tarifa API oficial publicada | Tarifa estándar de API |
| Entrada en caché | No publicado | Lectura de prefijos reutilizados |
| Escritura o almacenamiento de caché | No publicado | La condición varía según proveedor |
| Salida estándar | Coste de infraestructura propia | Puede incluir tokens de razonamiento |
| Entrada por lotes | No publicado | Procesamiento asíncrono |
| Salida por lotes | No publicado | Procesamiento asíncrono |
La publicación ofrece pesos bajo Apache 2.0, no una API comercial con precio por token. Ejecutarlos exige también el modelo objetivo y recursos de cómputo. Las tarifas desconocidas permanecen sin publicar; no se presentan como gratuitas ni se calculan ahorros a partir del throughput.
i Los precios cambian y pueden depender del nivel, la región o la longitud del contexto. Revisa la fuente antes de tomar una decisión.
05 / EVALUACIONES
Cómo leer los resultados
“
Tencent mide longitud de aceptación y rendimiento del sistema, no precisión de respuestas. En GSM8K comunica 7,20 tokens aceptados por iteración con temperatura cero. En SWE-bench Pro, con razonamiento low y concurrencia ocho, informa 713,41 tokens/s frente a 241,86 sin especulación, una razón declarada de 2,95 veces. La prueba reproduce prefijos de decisiones de herramientas y permite hasta 32.768 tokens nuevos por petición. Inferama no ha reproducido estas mediciones.
| Benchmark | Resultado | Métrica | Fuente |
|---|---|---|---|
| DSpine Qwen3.8-27B · GSM8K acceptance | 7,20 | Tokens aceptados por iteración | Ver fuente ↗ |
| DSpine Qwen3.8-27B · SWE-bench Pro throughput | 713,41 | Tokens de salida por segundo | Ver fuente ↗ |
Inferama solo destaca un «mejor resultado» cuando la métrica, el conjunto de prueba, la configuración y la fecha permiten una comparación equivalente. Las cifras del proveedor se presentan como afirmaciones de su propia fuente.
06 / VERSIONES
Cronología
Qwen3.8-27B-DSpine-b16
Checkpoint auxiliar publicado con pesos BF16; requiere el modelo objetivo.
07 / FUENTES
Trazabilidad
FICHA TÉCNICAFicha oficial del checkpoint · revisión fijadahuggingface.co↗
IMPLEMENTACIÓNCódigo oficial e integración del modelo objetivogithub.com↗
CONFIGURACIÓNConfiguración oficial del borradorhuggingface.co↗
DISPONIBILIDADPesos y archivos de la revisión verificadahuggingface.co↗
LICENCIALicencia Apache 2.0 del proyectogithub.com↗