/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
transformers
Опубликована
31 мар 2026

Qwen3-30B-A3B-speculator.eagle3

Генерация текстаТекст → текст3 профессии

Спекулятор EAGLE-3 для ускорения генерации в Qwen3-30B-A3B с включённым режимом рассуждений.

122скачиваний за 30 дней0лайковвеса обновлены31 мар 2026

Бенчмарки

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

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

Red Hat разработала RedHatAI/Qwen3-30B-A3B-speculator.eagle3 — вспомогательную модель-спекулятор для ускорения генерации текста основной моделью Qwen3-30B-A3B в режиме рассуждений. Она использует алгоритм speculative decoding EAGLE-3 и архитектуру Eagle3Speculator: предлагает до пяти следующих токенов, которые основная модель проверяет. Это не самостоятельная чат-модель; для работы нужны Qwen3-30B-A3B и совместимый сервер, например vLLM, с шаблоном чата Qwen3 и интерфейсом /chat/completions.

Модель обучена с включённым режимом рассуждений на данных Magpie-Align/Magpie-Pro-300K-Filtered и HuggingFaceH4/ultrachat_200k; в описании также указано, что ответы для обучающих данных получены от Qwen3-30B-A3B. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0. README приводит настройки и оценку производительности, но без значений таблицы нельзя оценить ожидаемый прирост скорости для конкретной нагрузки. Для сценариев без рассуждений разработчик рекомендует отдельный спекулятор для Qwen3-30B-A3B-Instruct-2507.

Сценарии применения

  • ускорение генерации текста через vLLM
  • спекулятивное декодирование ответов Qwen3-30B-A3B
  • ускорение чат-запросов с режимом рассуждений
  • повышение пропускной способности сервера генерации

Ограничения

Модель не предназначена для самостоятельной генерации: ей необходима основная Qwen3-30B-A3B, совместимая конфигурация vLLM и шаблон чата Qwen3. Указанные в README оценки скорости не позволяют определить прирост для конкретного оборудования и нагрузки.

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

Qwen3-30B-A3B-speculator.eagle3

Model Overview

  • Verifier: Qwen3-30B-A3B
  • Speculative Decoding Algorithm: EAGLE-3
  • Model Architecture: Eagle3Speculator
  • Release Date: 3/12/2026
  • Version: 1.0
  • Model Developers: RedHat

This is a speculator model designed for use with Qwen3-30B-A3B with reasoning enabled. If interested in non-reasoning use cases, please use RedHatAI/Qwen3-30B-A3B-Instruct-2507-speculator.eagle3.

This model is based on the EAGLE-3 speculative decoding algorithm. It was trained using the speculators library on a combination of the Magpie-Align/Magpie-Pro-300K-Filtered and the HuggingFaceH4/ultrachat_200k datasets. The model was trained with thinking enabled. This model should be used with the Qwen3-30B-A3B chat template, specifically through the /chat/completions endpoint.

Use with vLLM

vllm serve Qwen3-30B-A3B \
  -tp 1 \
  --speculative-config '{
    "model": "RedHatAI/Qwen3-30B-A3B-speculator.eagle3",
    "num_speculative_tokens": 5,
    "method": "eagle3"
  }'

Evaluations

Model / run: Qwen3-30B-A3B-speculator.eagle3 vLLM: 0.15.0
Training data: Magpie + UltraChat; responses from the Qwen/Qwen3-235B-A22B model (with reasoning enabled).

Configuration

  • Model: Qwen3-30B-A3B
  • Data: Magpie + UltraChat — responses from Qwen3-30B-A3B model (reasoning)
  • temperature: 0.0
  • vllm: 0.15.0
  • backend: vLLM chat_completions
  • rate-type: throughput
  • max-seconds per run: 300
  • hardware: 8× GPU (tensor parallel 8)
  • Benchmark data: RedHatAI/speculator_benchmarks
  • vLLM serve: --no-enable-prefix-caching, --max-num-seqs 64, --enforce-eager

Command

GUIDELLM__PREFERRED_ROUTE="chat_completions" \
GUIDELLM__MAX_CONCURRENCY=128 \
guidellm benchmark \
  --target "http://localhost:8000/v1" \
  --data "RedHatAI/speculator_benchmarks" \
  --data-args '{"data_files": "HumanEval.jsonl"}' \
  --rate-type throughput \
  --max-seconds 300

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
Eagle3DraftModel
Ревизия весов
6afc5aa

0 моделей