# Tencent DSpine: открыты веса для ускорения Qwen3-8B

Источник: https://modelium.tech/zhurnal/tencent-dspine-qwen3-8b-local-draft-model/

Tencent опубликовала код DSpine и веса вспомогательной модели для Qwen3-8B. Она предлагает черновые фрагменты ответа, которые основная модель проверяет перед выдачей: это способ ускорять локальную генерацию без замены самой Qwen3-8B. Сейчас решение рассчитано на инженеров с CUDA и SGLang, а не на установку в домашнем приложении.

Tencent 16 октября 2026 года выложила веса DSpine для Qwen3-8B и код подключения к SGLang — программе для запуска модели на своём оборудовании. Это не новый чат-бот: вспомогательная модель заранее предлагает продолжение ответа, а основная Qwen3-8B проверяет предложенные токены (части текста). Обычному пользователю ничего переустанавливать не нужно: интеграция пока ориентирована на техническую настройку сервера с видеокартой NVIDIA. [s1](#src-s1) [s2](#src-s2)

## Что именно появилось?

Опубликован отдельный чекпойнт `tencent/Qwen3-8B-DSpine-b16`: репозиторий содержит `model.safetensors`, конфигурацию и файл лицензии. Код Tencent поставляется как плагин SGLang, закрепляет зависимость `sglang==0.5.20` и содержит тесты. В README авторы показывают связку с исходной Qwen3-8B; вариант для Qwen3.8-27B пока лишь в планах. Это локальный сценарий для тех, кто уже разворачивает модель через SGLang, а не готовая кнопка ускорения в Ollama или LM Studio. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3)

## Что это меняет для скорости?

Метод называется спекулятивной генерацией: небольшая модель набрасывает несколько следующих частей ответа, а основная принимает только подходящие. Авторы сообщают среднюю длину принятого черновика 7,83 при температуре 0 и 6,98 при температуре 1 по семи наборам задач для своего Qwen3-8B. Они сравнивали несколько методов после переобучения на общем наборе Open-PerfectBlend. **Это авторская метрика принятия черновика, а не измеренное Modelium ускорение ответа на вашем компьютере**: скорость, расход памяти и качество в домашней конфигурации из этой таблицы не следуют. [s1](#src-s1) [s2](#src-s2)

## Кому стоит пробовать?

Только тем, кто уже умеет обслуживать CUDA-среду и SGLang. Инструкция авторов предполагает Python 3.10+, CUDA и серверный запуск Qwen3-8B вместе с DSpine; точного минимального объёма RAM/VRAM в источнике нет. Размер файла весов не равен требованию к памяти. Мы сверили документацию и наличие артефактов, но не запускали модель и не воспроизводили авторские замеры. Для обычного локального чата это пока не домашний рецепт. [s1](#src-s1) [s2](#src-s2)

Tencent помечает опубликованные код и веса DSpine как Apache-2.0 с оговоркой о сторонних компонентах; базовая Qwen3-8B имеет собственный файл Apache-2.0. Проверяйте условия всех компонентов своего стека отдельно. [s3](#src-s3) [s4](#src-s4) [s5](#src-s5)

**Следующий шаг:** если вы уже используете SGLang, начните с закреплённой инструкции и тестов в репозитории Tencent, затем сравните ответы и скорость на собственных запросах с режимом без DSpine. Не переносите серверную конфигурацию авторов на домашний ПК как минимальные требования. [s1](#src-s1)

## Источники

1. [Tencent DSpine, README and pyproject, commit 07f326a](https://github.com/tencent/dspine/tree/07f326a047f1d6c2f2a10451d80799499dad1406) — получено 2026-10-18
2. [Tencent Qwen3-8B-DSpine-b16 model card and pinned weights](https://huggingface.co/tencent/Qwen3-8B-DSpine-b16/tree/9fc2ab3d4db06ca06dd30d91b2f8d28537673add) — получено 2026-10-18
3. [Tencent DSpine license and packaging](https://github.com/tencent/dspine/blob/07f326a047f1d6c2f2a10451d80799499dad1406/License.txt) — получено 2026-10-18
4. [Pinned Tencent DSpine model LICENSE.txt](https://huggingface.co/tencent/Qwen3-8B-DSpine-b16/blob/9fc2ab3d4db06ca06dd30d91b2f8d28537673add/LICENSE.txt) — получено 2026-10-18
5. [Qwen3-8B base model LICENSE](https://huggingface.co/Qwen/Qwen3-8B/blob/b968826d9c46dd6066d109eabc6255188de91218/LICENSE) — получено 2026-10-18