O que é o DSpine da Tencent e o que muda no Qwen3.8-27B — perguntas e respostas

O que é o DSpine? É um gerador paralelo de rascunhos para descodificação especulativa. Em cada camada, a característica prevista para uma posição é passada à posição seguinte, o que permite modelar dependências entre tokens mesmo quando os rascunhos são produzidos em paralelo.

O que foi lançado para o Qwen3.8-27B? A Tencent publicou na Hugging Face um modelo-rascunho para o Qwen3.8-27B, com blocos de 16 tokens, licença apache-2.0 e tarefa de geração de texto. A página foi criada a 2026-11-07 e alterada pela última vez a 2026-11-14.

Como foram feitas as medições? Com SGLang 0.5.22, BF16, FlashAttention 3 e concorrência 8. O DSpine usou blocos de 16 e o DFlash2 oficial usou blocos de 8. Os testes de agentes recorreram ao WorkBuddy Bench, com trajetórias recolhidas no sandbox CodeBuddy.

Quanto mais rápido é? No WorkBuddy Office, no primeiro conjunto de resultados da tabela, a geração base (AR) atinge 210.03 tokens/s, o DFlash2 664.77 (3.17×) e o DSpine 805.53 (3.84×). A velocidade é o total de tokens de saída a dividir pelo tempo de repetição.

O que mede o comprimento de aceitação? Os cartões comparam o DFlash2 e o DSpine nessa métrica. No WorkBuddy Office, no primeiro conjunto da tabela, o DFlash2 regista 4.24 e o DSpine 5.63. No SWE-bench Pro, os valores são 4.19 e 4.99, respetivamente.

Como se pode usar? O plugin para SGLang exige Python 3.11 ou superior e CUDA, e usa verificação dinâmica baseada no DSpark com ReplaySSM. O repositório indica ainda suporte para Apple Silicon, através de mlx-lm e SGLang-MLX. No GitHub, a licença não está indicada.

Fonte: Hugging Face — tencent/Qwen3.8-27B-DSpine-b16 — tencent/Qwen3.8-27B-DSpine-b16

Fonte: GitHub — Tencent/DSpine — Tencent/DSpine