Uso primário declarado ou inferido com cautela a partir da documentação oficial.
T
TENCENT / tencent/Qwen3.8-27B-DSpine-b16
DSpine for Qwen3.8-27B
Componente da Tencent que propõe tokens em paralelo para acelerar a inferência do Qwen3.8-27B. Tem cinco camadas e cerca de 2.026 milhões de parâmetros BF16; 27B designa o modelo alvo. Os pesos foram publicados em 7 de novembro. Não é um assistente autónomo: o modelo alvo verifica os candidatos antes de os aceitar na saída.
01 / RESUMO
O essencial
Capacidade máxima de entrada quando publicada pela fonte.
Limite máximo de geração documentado.
Canais de disponibilidade verificados.
Família funcional principal e especialidades verificadas.
Condições declaradas para API, pesos ou alojamento próprio.
02 / FICHA TÉCNICA
Limites e integração
| ID de API | tencent/Qwen3.8-27B-DSpine-b16 |
|---|---|
| Tipo de modelo | Aceleração da inferência |
| Modelo de acesso | Pesos abertos |
| Licença | Apache 2.0 |
| Implantação | Alojamento próprio |
| Lançamento | 07 NOV 2026 |
| Data de corte do conhecimento | Não publicado |
| Entrada | Tokens e estados do modelo alvo |
| Saída | Tokens candidatos |
| Janela de contexto | Janela deslizante de 8.192 tokens no modelo auxiliar |
| saída máxima | Blocos de 16 tokens candidatos; verificação pelo modelo alvo |
| Raciocínio | Depende do modelo alvo |
| Ferramentas publicadas | SGLang 0.5.22 · FlashAttention 3 · ReplaySSM |
| Passeios Estruturados | Não publicado |
| Processamento em lote | Não publicado |
| Cache de prompts | Não publicado |
| Ajuste fino | Não publicado |
| Plataformas verificadas | Hugging Face · SGLang 0.5.22 |
Integrar descodificação especulativa numa instalação própria do modelo alvo. O código oficial usa SGLang 0.5.22, FlashAttention 3, verificação dinâmica e ReplaySSM. A janela do modelo auxiliar não corresponde ao contexto total do serviço. O exemplo configura 131.072 tokens para o sistema conjunto, com até oito pedidos simultâneos; não é um limite universal de qualquer instalação.
Os resultados dependem do modelo alvo, runtime, precisão e carga. Medições com reprodução de prefixos de decisões sobre ferramentas não demonstram que um agente execute melhor tarefas reais. Não se atribuem ao modelo auxiliar capacidades de conversação, visão, utilização autónoma de ferramentas ou maior exatidão. A ficha não identifica a GPU das tabelas; não permite prometer a mesma aceleração noutro equipamento.
03 / CAPACIDADES
O que pode fazer
Orientação
Integrar descodificação especulativa numa instalação própria do modelo alvo. O código oficial usa SGLang 0.5.22, FlashAttention 3, verificação dinâmica e ReplaySSM. A janela do modelo auxiliar não corresponde ao contexto total do serviço. O exemplo configura 131.072 tokens para o sistema conjunto, com até oito pedidos simultâneos; não é um limite universal de qualquer instalação.
Contexto
Janela deslizante de 8.192 tokens no modelo auxiliar · Blocos de 16 tokens candidatos; verificação pelo modelo alvo
Ferramentas e integração
SGLang 0.5.22 · FlashAttention 3 · ReplaySSM
Acesso
Hugging Face · exige Qwen3.8-27B
Modalidades de entrada
Tokens e estados do modelo alvo
04 / PREÇOS
Custo documentado
| Conceito | Valor | Unidade/condição |
|---|---|---|
| Entrada padrão | Sem tarifa API oficial publicada | Tarifa padrão da API |
| Entrada em cache | Não publicado | Leitura de prefixos reutilizados |
| Escrita ou armazenamento em cache | Não publicado | A condição varia consoante o fornecedor |
| Saída padrão | Custo da infraestrutura própria | Pode incluir tokens de raciocínio |
| Entrada por lotes | Não publicado | Processamento assíncrono |
| Saída por lotes | Não publicado | Processamento assíncrono |
A publicação disponibiliza pesos sob Apache 2.0, não uma API comercial com preço por token. A execução também exige o modelo alvo e recursos computacionais. As tarifas desconhecidas continuam por publicar; não são apresentadas como gratuitas nem se calculam poupanças a partir do throughput.
i Os preços mudam e podem depender do nível, região ou duração do contexto. Verifique a fonte antes de tomar uma decisão.
05 / AVALIAÇÕES
Como ler os resultados
“
A Tencent mede o comprimento de aceitação e o throughput do sistema, não a exatidão das respostas. Comunica 7,20 tokens aceites por iteração no GSM8K com temperatura zero. No SWE-bench Pro, com raciocínio low e concorrência oito, indica 713,41 tokens/s contra 241,86 sem especulação, uma razão declarada de 2,95 vezes. O teste reproduz prefixos de decisões sobre ferramentas e permite até 32.768 novos tokens por pedido. A Inferama não reproduziu estas medições.
| Benchmark | Resultado | Métrica | Fonte |
|---|---|---|---|
| DSpine Qwen3.8-27B · GSM8K acceptance | 7,20 | Tokens aceites por iteração | Ver fonte ↗ |
| DSpine Qwen3.8-27B · SWE-bench Pro throughput | 713,41 | Tokens de saída por segundo | Ver fonte ↗ |
O Inferama só destaca o “melhor resultado” quando a métrica, o conjunto de testes, a configuração e a data permitem uma comparação equivalente. Os números do fornecedor são apresentados como declarações de sua própria fonte.
06 / VERSÕES
Cronologia
Qwen3.8-27B-DSpine-b16
Checkpoint auxiliar publicado com pesos BF16; exige o modelo alvo.
07 / FONTES
Rastreabilidade
FICHA TÉCNICAFicha oficial do checkpoint · revisão fixadahuggingface.co↗
IMPLEMENTAÇÃOCódigo oficial e integração do modelo alvogithub.com↗
CONFIGURAÇÃOConfiguração oficial do modelo auxiliarhuggingface.co↗
DISPONIBILIDADPesos e ficheiros da revisão verificadahuggingface.co↗
LICENÇALicença Apache 2.0 do projetogithub.com↗