RadixArk/Kimi-K3-DSpark

RadixArk/Kimi-K3-DSpark ist auf Hugging Face als text-generation-Modell gelistet. Diese Seite dokumentiert den öffentlichen Repository-Snapshot 3c5bac301d9cf392706189d82ed947feca6c2f0f; überprüfen Sie die gelistete Revision, Lizenz und Laufzeitunterstützung, bevor Sie es verwenden.

Aktualisiert am

Computraq bereitet den Start vor. Diese Leitfäden erläutern die Vorbereitung und den vorgeschlagenen Rahmen; sie belegen keinen laufenden Dienst, keine Integration und keine Partnerschaft.

Identität und Zugang

Der Publisher-Eintrag identifiziert dieses Repository als RadixArk/Kimi-K3-DSpark. Der aktuelle öffentliche Snapshot ist 3c5bac301d9cf392706189d82ed947feca6c2f0f. Der Zugang ist öffentliches Repository; prüfen Sie die anwendbare Lizenz und die Publisher-Bedingungen; das aufgezeichnete Lizenzlabel ist im öffentlichen Eintrag nicht angegeben. Ein öffentliches Repository oder ein gated Download begründet keine Erlaubnis für jede Nutzung.

Konfigurationsfakten

Die gepinnte Konfiguration gibt Modelltyp qwen3 und Architektur DSparkDraftModel an. Der Model Hub taggt es für text-generation; diese Labels beschreiben Repository-Metadaten und belegen keine Benchmark-Leistung.

  • head_dim: 64
  • hidden_size: 7168
  • intermediate_size: 14336
  • max_position_embeddings: 1048576
  • num_attention_heads: 64
  • num_hidden_layers: 5
  • num_key_value_heads: 16
  • rms_norm_eps: 1e-05
  • rope_parameters.rope_theta: 10000.0
  • vocab_size: 163840

Modellspezifische Qualifizierung

Die gepinnte Architektur und das Tag speculative-decoding kennzeichnen dies als Draft-Modellkomponente für spekulative Dekodierung. Prüfen Sie vor der Verwendung anhand der Dokumentation des Herausgebers die Kombination mit dem Zielmodell, die Tokenizer-Kompatibilität, das Dekodierprotokoll und die Unterstützung durch die Inferenzlaufzeit; gehen Sie nicht davon aus, dass dieser Checkpoint als eigenständiges Chatmodell funktioniert.

Gewichtsspeicher-Planung

Dieser Leitfaden enthält keine unabhängig verifizierte logische Parameteranzahl und lässt daher eine numerische Gewichtsspeicher-Schätzung aus. Wenn eine Anzahl für diese exakte Repository-Revision verifiziert wird, verwenden Sie Parameteranzahl × Bytes pro Parameter als Untergrenze für die Gewichte allein; berücksichtigen Sie dann separat KV-Cache, Kontext, Aktivierungen, Laufzeit und Nebenläufigkeit.

Revision und Reproduzierbarkeit

Die Metadaten und die Konfiguration sind auf Revision 3c5bac301d9cf392706189d82ed947feca6c2f0f gepinnt. Pinnen Sie diesen Commit, wenn Sie eine Evaluierung reproduzieren. Repository-Branches können sich ändern, und diese Quellenprüfung validiert die Modellgewichte selbst nicht.

Veröffentlichter Eintrag

  • Task: text-generation
  • Modelltyp: qwen3
  • Architektur: DSparkDraftModel
  • Lizenzlabel: im öffentlichen Eintrag nicht angegeben
  • Zugang: öffentliches Repository; prüfen Sie die anwendbare Lizenz und die Publisher-Bedingungen
  • Revision: 3c5bac301d9cf392706189d82ed947feca6c2f0f

Quellen und Prüfung