/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
168 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
Qwen3-0.6B
Опубликована
28 июл 2026

Qwen3-0.6B-eagle3

Генерация текстаТекст → текст

Черновая голова EAGLE-3 для Qwen3-0.6B ускоряет спекулятивное декодирование в SGLang, особенно при одиночной генерации JSON с вызовами инструментов.

115скачиваний за 30 дней0лайковвеса обновлены29 июл 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

Nicolassuez выпустил дообученную модель EAGLE-3 для Qwen3-0.6B — черновую голову для ускорения спекулятивного декодирования при генерации текста. Она настроена на сценарии одиночного потока с вызовами инструментов и JSON: обучение включало диалоги с вызовами функций, обычные диалоги и синтетические вызовы инструментов с ограниченными значениями аргументов. Для подключения README рекомендует SGLang и конфигурацию EAGLE3 с 3 шагами, top-k 1 и 4 черновыми токенами.

Архитектура — однослойная Llama-совместимая голова EAGLE-3 со скрытым размером 1024 и словарём черновой модели на 32 тыс. токенов. В метаданных указаны 168,2 млн параметров, контекст 40 960 токенов и языковые теги английского и французского; в README обучение описано с максимальной длиной последовательности 4096. На тесте автора для Qwen3-0.6B с SGLang скорость одиночного потока выросла с 553 до 861 токена/с для v2, а сравнение v3 и v2 показало ускорение на ограниченных JSON-аргументах. Эти результаты зависят от оборудования и конфигурации. Лицензия — Apache-2.0.

Сценарии применения

  • ускорение одиночной генерации текста на Qwen3-0.6B в SGLang
  • ускорение JSON-вызовов инструментов с ограниченными значениями аргументов
  • ускорение генерации структурированных ответов в диалоговом приложении

Ограничения

Это вспомогательная черновая голова, предназначенная для совместной работы с базовой Qwen/Qwen3-0.6B и спекулятивным декодированием в SGLang; сама по себе она не является универсальной генеративной моделью. Опубликованные скорости измерены автором на H100 PCIe и зависят от оборудования, версии SGLang и конфигурации; обучение указано с max_length 4096.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

EAGLE-3 draft head for Qwen3-0.6B (tool-calling tuned)

A speculative-decoding draft head trained with SpecForge for Qwen/Qwen3-0.6B, aimed at fast single-user JSON tool calling. Qwen ships MTP/NEXTN heads only for its larger models, so nothing existed for this size: this head was trained in-house.

Current revision = v3, trained in three stages on an 85k-conversation mix (40k glaive-function-calling-v2 + 30k ultrachat + 15k synthetic water/IoT tool calls whose argument values are BOUNDED: enums, structured ids, fixed units, which is what production tool schemas look like). The last stage adds 42k steps at ttt_length 7 and max_length 4096, the two settings the earlier revisions had to give up on a shared GPU.

Measured (H100 PCIe, quiet card, SGLang 2026-07-20 nightly, fa3, 500-token decode)

ConfigSingle-stream
Qwen3-0.6B, no speculation553 tok/s
+ this head, v1 (40k steps)814 tok/s
+ this head, v2861 tok/s
+ this head, v3 (current)955 tok/s (+73%)

By generation domain, v3 versus v2 under identical conditions: generic 924 vs 650, free-form JSON 782 vs 566 (+38%), bounded-argument domain JSON 757 vs 592 (+28%). The domain dataset pays where argument values are enums and ids rather than free text, which is the production case.

Speculation config sweep: steps 3 / topk 1 / draft 4 is the optimum. Deeper or wider LOSES (steps 4: 705, steps 5: 631, topk 2: 757 on v1): verification cost outgrows acceptance on a 0.6B target. ngram speculation is a net regression at batch 1 (426-445 versus 665 baseline).

Usage (SGLang)

python -m sglang.launch_server \
  --model-path Qwen/Qwen3-0.6B \
  --speculative-algo EAGLE3 \
  --speculative-draft-model-path Nicolassuez/Qwen3-0.6B-eagle3 \
  --speculative-num-steps 3 --speculative-eagle-topk 1 --speculative-num-draft-tokens 4 \
  --attention-backend fa3

Serving footprint measured at ~3.5 GiB (context 4096).

Training notes

  • Draft: 1-layer llama-style EAGLE-3 (hidden 1024, draft vocab 32k), auxiliary hidden states captured from target layers 1/13/24.
  • ttt_length 7, max_length 4096, batch size 1, lr 1e-4. Earlier revisions used ttt 5 / 2048 because the training GPU was shared with production services; lifting both is what took 861 to 955.
  • Trained in completable chunks, each warm-started from the previous one.
  • The vocabulary mapping (d2t/t2d) is baked in; any continuation must reuse the same mapping.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLMEagle3
Ревизия весов
00b7c41

0 моделей