/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
transformers
Опубликована
10 мар 2026

Qwen3-32B-Thinking-speculator.eagle3

Генерация текстаТекст → текст3 профессии

Спекулятор EAGLE-3 для ускорения генерации и рассуждений модели Qwen3-32B посредством спекулятивного декодирования.

185скачиваний за 30 дней0лайковвеса обновлены16 апр 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 выпустила эту модель-спекулятор для ускорения генерации текста моделью Qwen3-32B с помощью алгоритма спекулятивного декодирования EAGLE-3. Она предлагает черновые токены, которые проверяет основная модель, поэтому предназначена для совместного запуска с Qwen/Qwen3-32B, а не как самостоятельная языковая модель.

Модель оптимизирована для задач рассуждения с включённым режимом thinking. Для использования автор рекомендует vLLM, шаблон чата Qwen3-32B и endpoint /chat/completions; в примере конфигурации задано пять спекулятивных токенов. Обучение проводилось на Magpie-Pro-300K-Filtered и UltraChat 200K с ответами Qwen3-32B. Файлы модели представлены в формате safetensors.

Лицензия — Apache-2.0. README приводит оценки производительности, но таблицы с результатами опущены, поэтому по карточке нельзя оценить величину ускорения; работа модели зависит от совместимой версии vLLM и исходной Qwen3-32B.

Сценарии применения

  • Ускорение генерации ответов Qwen3-32B в vLLM
  • Повышение пропускной способности при генерации с включённым режимом рассуждения
  • Обслуживание чат-запросов через совместимый endpoint vLLM

Ограничения

Модель не предназначена для самостоятельной генерации: ей требуется Qwen/Qwen3-32B. Для работы нужны совместимый vLLM, шаблон чата Qwen3-32B и endpoint /chat/completions; результаты бенчмарков в карточке приведены без таблиц.

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

Qwen3-32B-Thinking-speculator.eagle3

Model Overview

  • Verifier: Qwen3-32B
  • Speculative Decoding Algorithm: EAGLE-3
  • Model Architecture: Eagle3Speculator
  • Release Date: 3/12/2026
  • Version: 1.0
  • Model Developers: RedHat

This model is a speculator model designed for use with Qwen/Qwen3-32B, 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.

This model is optimized for reasoning and chain-of-thought workloads and is meant to be used with thinking enabled. It must be used with the Qwen3-32B chat template, specifically through the /chat/completions endpoint.

Use with vLLM

vllm serve Qwen/Qwen3-32B \
  -tp 1 \
  --speculative-config '{
    "model": "RedHatAI/Qwen3-32B-Thinking-speculator.eagle3",
    "num_speculative_tokens": 5,
    "method": "eagle3"
  }'

Evaluations

Model / run: Qwen3-32B-Thinking-speculator.eagle3

vLLM: 0.17.0rc1.dev122+g26bd43b52.d20260306.precompiled

Training data: Magpie + UltraChat; responses from the Qwen/Qwen3-32B model (with reasoning enabled).

Configuration

  • Model: Qwen3-32B-Thinking-speculator.eagle3
  • Data: Magpie+ ultrachat — responses from Qwen3-32B model (reasoning)
  • temperature: 0.0
  • vLLM version: 0.17.0rc1.dev122+g26bd43b52.d20260306.precompiled
  • 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 \
  --backend-args '{"extra_body": {"chat_completions": {"temperature": 0.0}}}'

GuideLLM interface changed, so for compatibility with the latest version (v0.6.0), please use the following command:

GUIDELLM__PREFERRED_ROUTE="chat_completions" \
guidellm benchmark \
  --target "http://localhost:8000/v1" \
  --data "RedHatAI/speculator_benchmarks" \
  --data-args '{"data_files": "HumanEval.jsonl"}' \
  --profile sweep \
  --max-seconds 1800 \
  --output-path "my_output.json" \
  --backend-args '{"extras": {"body": {"temperature":0.6, "top_p":0.95, "top_k":20}}}'

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
a1403e0

0 моделей