/ Модель

Характеристики

Контекст
1 048 576 токенов
Параметры
1,7 млрд
Лицензия
MIT
Архитектура
llama · dense
Базовая модель
Minimax-M3-preview
Библиотека
transformers
Опубликована
2 июн 2026

MiniMax-M3-EAGLE3

Генерация текстаТекст → текст3 профессии

Черновая модель EAGLE3 для ускорения генерации MiniMax-M3 методом спекулятивного декодирования через vLLM.

10 013скачиваний за 30 дней15лайковвеса обновлены13 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Inferact/MiniMax-M3-EAGLE3 — компактная черновая модель, разработанная Inferact для ускорения инференса MiniMax-M3 методом спекулятивного декодирования EAGLE3. Она генерирует черновые токены, которые проверяет целевая модель; при обслуживании через vLLM модель совместно использует с ней embedding и LM head. В README архитектура описана как плотная Llama с одним слоем и примерно 3,3 млрд параметров, тогда как метаданные указывают 1,7 млрд параметров.

Модель предназначена для ускорения генерации текста MiniMax-M3 в сценариях диалога, решения математических задач и генерации кода. В README приведены результаты проверки черновых токенов на MT-Bench, GSM8K и HumanEval. Для работы требуются vLLM с поддержкой MiniMax-M3 и конфигурация speculative decoding; модель обучена методом EAGLE3 TTT на ответах, заново сгенерированных MiniMax-M3, с использованием TorchSpec.

В метаданных указан контекст 1 048 576 токенов, но это характеристика, связанная с целевой MiniMax-M3, и самостоятельный предел контекста черновой модели в README не уточняется. Репозиторий опубликован под лицензией MIT. Модель узкоспециализирована на ускорении MiniMax-M3 и не предназначена для самостоятельного использования как универсальная текстовая модель.

Сценарии применения

  • ускорение диалоговой генерации MiniMax-M3
  • ускорение решения математических задач моделью MiniMax-M3
  • ускорение генерации кода MiniMax-M3
  • проверка черновых токенов MiniMax-M3 в speculative decoding

Ограничения

Модель предназначена для совместной работы с MiniMax-M3 через поддерживаемую конфигурацию vLLM и не является самостоятельной универсальной моделью. В README и метаданных расходятся сведения о размере: указано около 3,3 млрд и 1,7 млрд параметров соответственно.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Overview

Inferact/MiniMax-M3-EAGLE3 is an EAGLE3 draft model for accelerating inference of MiniMax-M3. It is served end-to-end with vLLM and was trained using TorchSpec — a torch-native online speculative-decoding training framework that runs FSDP training and vLLM-based target inference concurrently, learning from MiniMax-M3-regenerated responses and live vLLM-generated hidden states to match the base model's exact token distribution.

The draft is a 1-layer dense Llama (LlamaForCausalLMEagle3, ~3.3 B params) operating on MiniMax-M3's hidden_size=6144 / vocab_size=200064; at serve time it shares the target's embedding and LM head (EAGLE3). See config.json for the full architecture.


Performance

All numbers are measured end-to-end against MiniMaxAI/MiniMax-M3-MXFP8 served with vLLM at tensor-parallel-size=4, num_speculative_tokens=3, and --enforce-eager. Greedy draft sampling (topk=1).

CategoryDatasetnMean Accept LengthDraft Accept RatePer-pos Accept Rate
DialogueMT-Bench802.69856.60%0.749, 0.547, 0.402
MathGSM8K2003.51883.93%0.923, 0.839, 0.756
CodeHumanEval1643.49983.29%0.922, 0.832, 0.744
MathMATH5005003.51783.90%0.929, 0.841, 0.747
MathAIME303.29176.36%0.889, 0.763, 0.638
Syntheticspeed-bench (16k, low-entropy)642.77659.21%0.747, 0.576, 0.453

Training

Data: ~456,881 training conversations (the mix2 dataset: SWE-bench-Pro, SWE-bench, OpenCodeInstruct, kimi-mtp), with all responses regenerated by MiniMax-M3 — preserving the target's reasoning traces and MiniMax-M3 chat formatting.

Method: EAGLE3 TTT, ttt_length=7, max_seq_length=32 768, AdamW at lr=1 × 10⁻⁴ (cosine decay to 0, 2 % warmup, max_grad_norm=1.0), bf16 + gradient checkpointing, FlexAttention, 1 epoch (~14,277 steps). Trained on 5 × GB300 nodes (2 nodes FSDP2 draft training, dp=8, global batch 32 + 3 nodes vLLM TP=4 target inference). EAGLE3 aux hidden states from target layers (2, 30, 57) + the final layer. Embedding / LM head / final norm are shared from the target (M3 is a VL model, so these live under the language_model.* prefix).

Core training command — torchspec.train_entry spawns the FSDP2 trainer and vLLM inference engines as decoupled Ray actors, streaming hidden states through Mooncake:

python3 -m torchspec.train_entry \
  --config configs/vllm_minimax_m3_mix2.yaml \
  model.draft_model_config=configs/draft_models/minimax_m3_eagle3.json \
  training.training_num_nodes=2 \
  training.training_num_gpus_per_node=4 \
  inference.inference_num_gpus=12 \
  inference.inference_num_gpus_per_engine=4 \
  inference.vllm.tp_size=4

Draft architecture, TTT depth, sequence length, cluster layout, and optimizer are all YAML-configurable — retargeting or scaling is a config change. See the TorchSpec repo for full customization instructions.


Quick Start

Requirements

  • vLLM nightly with MiniMax-M3 support
  • Docker image vllm/vllm-openai:minimax-m3

Launch Server (vLLM)

vllm serve MiniMaxAI/MiniMax-M3-MXFP8 \
  --tensor-parallel-size 4 \
  --gpu-memory-utilization 0.90 \
  --block-size 128 \
  --speculative-config '{"method": "eagle3", "model": "Inferact/MiniMax-M3-EAGLE3", "num_speculative_tokens": 3, "attention_backend": "FLASH_ATTN"}'

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLMEagle3
Ревизия весов
44cafa5

0 моделей