/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
transformers
Опубликована
6 мар 2026

gpt-oss-120b-speculator.eagle3

Генерация текстаТекст → текст3 профессии

Спекулятивная модель EAGLE-3 от Red Hat предлагает токены-кандидаты для ускорения генерации openai/gpt-oss-120b в vLLM.

401скачиваний за 30 дней4лайкавеса обновлены10 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 спекулятивную модель-драфтер EAGLE-3 для ускорения генерации ответов базовой моделью openai/gpt-oss-120b. Она предлагает кандидаты токенов, которые основная модель проверяет при спекулятивном декодировании; сама по себе модель не предназначена для самостоятельного общения. Архитектура — Eagle3Speculator, файлы представлены в формате Safetensors.

Модель рассчитана на обслуживание запросов к gpt-oss-120b через vLLM и интерфейс чата /chat/completions с шаблоном чата gpt-oss-120b. README указывает требование vLLM версии 0.19.0 или новее и рекомендует настройки EAGLE-3 с пятью спекулятивными токенами. Для обучения использовались Magpie-Align/Magpie-Llama-3.1-Pro-300K-Filtered и раздел train_sft датасета HuggingFaceH4/ultrachat_200k с ответами gpt-oss-120b.

Модель предназначена для повышения пропускной способности генерации в совместимой связке с указанной базовой моделью. README приводит оценку через бенчмарк RedHatAI/speculator_benchmarks, но численные результаты таблиц в доступном тексте отсутствуют. Лицензия — Apache-2.0.

Сценарии применения

  • ускорение генерации ответов gpt-oss-120b в vLLM
  • повышение пропускной способности чат-сервера на базе gpt-oss-120b
  • спекулятивное декодирование запросов через chat completions

Ограничения

Требует совместной работы с openai/gpt-oss-120b, шаблоном чата этой модели и vLLM версии 0.19.0 или новее; для применения указана конфигурация EAGLE-3. Численные результаты оценок в доступном тексте README 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

gpt-oss-120b-speculator.eagle3

Model Overview

  • Verifier: openai/gpt-oss-120b
  • Speculative Decoding Algorithm: EAGLE-3
  • Model Architecture: Eagle3Speculator
  • Release Date: 03/10/2026
  • Version: 2.0
  • Model Developers: RedHat

This is a speculator model designed for use with openai/gpt-oss-120b, based on the EAGLE-3 speculative decoding algorithm. It was trained using the speculators library on a combination of the Magpie-Align/Magpie-Llama-3.1-Pro-300K-Filtered dataset and the train_sft split of the HuggingFaceH4/ultrachat_200k dataset. Training data used Magpie + UltraChat with responses from the gpt-oss-120b model (reasoning). This model should be used with the openai/gpt-oss-120b chat template, specifically through the /chat/completions endpoint.

vLLM version

This draft model uses norm_before_fc (pre-FC RMSNorm for gpt-oss Eagle3). You need vLLM that includes PR #38111 (merged 2026-03-12).

  • Use vLLM >= 0.19.0 (includes the necessary fix from PR #38111.

Use with vLLM

vllm serve openai/gpt-oss-120b \
  --tensor-parallel-size 4 \
  --speculative-config '{
    "model": "RedHatAI/gpt-oss-120b-speculator.eagle3",
    "num_speculative_tokens": 5,
    "method": "eagle3"
  }' \
  --no-enable-prefix-caching \
  --max-num-seqs 64 \
  --enforce-eager

Evaluations

Model / run: gpt-oss-120b-from-self-ckpt5
vLLM: 0.17.1rc1.dev531+g89f572dbc.d20260324
Training data: Magpie + UltraChat; responses from the gpt-oss-120b model (reasoning).

Configuration

  • temperature: default (vLLM default sampling)
  • backend: vLLM chat_completions
  • rate-type: throughput
  • max-seconds per run: 300
  • hardware: 8× A100 80GB GPU (tensor parallel 4)
  • vLLM version: 0.17.1rc1.dev531+g89f572dbc.d20260324
  • Benchmark data: RedHatAI/speculator_benchmarks
  • vLLM serve: --no-enable-prefix-caching, --max-num-seqs 64, --enforce-eager

Command

# Serve
vllm serve openai/gpt-oss-120b \
  --tensor-parallel-size 4 \
  --speculative-config '{
    "model": "RedHatAI/gpt-oss-120b-speculator.eagle3",
    "num_speculative_tokens": 5,
    "method": "eagle3"
  }' \
  --no-enable-prefix-caching \
  --max-num-seqs 64 \
  --enforce-eager

# Benchmark
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

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
4ae5853

0 моделей