/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
transformers
Опубликована
19 сен 2025

Qwen3-8B-speculator.eagle3

Генерация текстаТекст → текст3 профессии

Спекулятор EAGLE-3 от Red Hat ускоряет генерацию текста Qwen/Qwen3-8B при инференсе через vLLM.

16 090скачиваний за 30 дней29лайковвеса обновлены8 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 разработала RedHatAI/Qwen3-8B-speculator.eagle3 — вспомогательную модель-спекулятор для ускорения генерации текста базовой моделью Qwen/Qwen3-8B. Она использует алгоритм EAGLE-3 и архитектуру Eagle3Speculator: предлагает несколько следующих токенов, которые проверяет основная модель, чтобы повысить скорость декодирования без замены её ответов. Модель предназначена для серверного инференса с vLLM и должна работать с чат-шаблоном Qwen3-8B через endpoint /chat/completions.

Спекулятор обучен с отключённым режимом thinking на данных ShareGPT_Vicuna_unfiltered и ultrachat_200k. В README приведены бенчмарки на одной A100, но таблицы с результатами опущены, поэтому конкретный выигрыш в скорости здесь оценить нельзя. Модель распространяется в формате safetensors по лицензии Apache-2.0; её применение привязано к совместимой базовой модели Qwen/Qwen3-8B.

Сценарии применения

  • ускорение генерации ответов чат-моделью Qwen3-8B
  • снижение задержки генерации текста в серверном инференсе через vLLM
  • ускорение обслуживания запросов к Qwen3-8B через chat completions

Ограничения

Модель предназначена для совместного использования с Qwen/Qwen3-8B и соответствующим чат-шаблоном; отдельно как универсальная языковая модель она не описана. В README таблицы результатов бенчмарков опущены, поэтому количественные показатели ускорения не приведены.

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

Qwen3-8B-speculator.eagle3

Model Overview

  • Verifier: Qwen/Qwen3-8B
  • Speculative Decoding Algorithm: EAGLE-3
  • Model Architecture: Eagle3Speculator
  • Release Date: 07/27/2025
  • Version: 1.0
  • Model Developers: RedHat

This is a speculator model designed for use with Qwen/Qwen3-8B, based on the EAGLE-3 speculative decoding algorithm. It was trained using the speculators library on a combination of the Aeala/ShareGPT_Vicuna_unfiltered and the HuggingFaceH4/ultrachat_200k datasets. The model was trained with thinking turned disabled. This model should be used with the Qwen/Qwen3-8B chat template, specifically through the /chat/completions endpoint.

Use with vLLM

vllm serve Qwen/Qwen3-8B \
  -tp 1 \
  --speculative-config '{
    "model": "RedHatAI/Qwen3-8B-speculator.eagle3",
    "num_speculative_tokens": 3,
    "method": "eagle3"
  }'

Evaluations

  • temperature: 0.6
  • top_p: 0.95
  • top_k: 20
  • repetitions: 3
  • time per experiment: 10min
  • hardware: 1xA100
  • vLLM version: 0.11.0
  • GuideLLM version: 0.3.0

Command

GUIDELLM__PREFERRED_ROUTE="chat_completions" \
guidellm benchmark \
  --target "http://localhost:8000/v1" \
  --data "RedHatAI/speculator_benchmarks" \
  --data-args '{"data_files": "HumanEval.jsonl"}' \
  --rate-type sweep \
  --max-seconds 600 \
  --output-path "Qwen3-8B-HumanEval.json" \
  --backend-args '{"extra_body": {"chat_completions": {"temperature":0.6, "top_p":0.95, "top_k":20}}}'

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
Eagle3Speculator
Ревизия весов
08610ff

0 моделей