/ Модель

Характеристики

Контекст
262 144 токена
Параметры
1,8 млрд
Лицензия
Своя лицензия
Архитектура
kimi_k2 · dense
Базовая модель
Kimi-K2.6
Опубликована
30 апр 2026

kimi-k2.6-eagle3-mla

Генерация текстаТекст → текст3 профессии

Черновая модель Eagle3 MTP для ускорения инференса Kimi-K2.6 с помощью speculative decoding.

104 тыс.скачиваний за 30 дней7лайковвеса обновлены10 июн 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

kimi-k2.6-eagle3-mla — черновая модель Eagle3 MTP от LightSeek для ускорения инференса базовой модели Moonshot AI Kimi-K2.6 методом speculative decoding. Она используется вместе с основной моделью в совместимых движках инференса, включая vLLM и SGLang, и сама по себе не предназначена для обычного диалога или самостоятельной генерации ответов.

Модель обучена с TorchSpec; в README указано продолжение обучения с чекпойнта kimi-k2.5-eagle3-mla. В метаданных указаны 1,8 млрд параметров, архитектура Eagle3DeepseekV2ForCausalLM и контекст 262 144 токена. Вариант с Multi-Latent Attention рассчитан на согласованную работу с MLA-архитектурой Kimi-K2.6 и уменьшение нагрузки на KV-кэш. Бенчмарки README измеряют длину принятого фрагмента при спекулятивном декодировании, а не качество ответов как самостоятельной модели.

Для запуска README приводит требования NVIDIA GPU с CUDA 12.0+ и vLLM 0.20.0 или новее. Репозиторий содержит веса safetensors; лицензия в метаданных обозначена как other, поэтому условия использования следует сверить с лицензией базовой модели и файлами репозитория.

Сценарии применения

  • ускорение генерации ответов Kimi-K2.6 в vLLM
  • спекулятивное декодирование Kimi-K2.6 с методом Eagle3
  • снижение нагрузки на KV-кэш при обслуживании Kimi-K2.6
  • ускорение инференса в развертываниях с разделением prefill и decode

Ограничения

Это вспомогательная черновая модель, предназначенная для совместного запуска с Kimi-K2.6 в поддерживаемом движке, а не как самостоятельная разговорная модель. Для запуска требуются NVIDIA GPU с CUDA 12.0+ и vLLM 0.20.0 или новее; лицензия обозначена как other.

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

kimi-k2.6-eagle3-mla

Model Overview

kimi-k2.6-eagle3-mla is an Eagle3 MTP draft model with MLA (Multi-Latent Attention) for accelerating inference of Kimi-K2.6, trained with TorchSpec — an online speculative decoding training framework that runs FSDP training and inference concurrently. If you find this draft model useful, please give our project TorchSpec a star on GitHub.

Why an MLA (Multi-Latent Attention) Draft Model

Compared with an MHA draft model, the MLA variant is a better fit for Kimi-K2.6 deployment:

  • Uses less KV cache, which reduces serving memory pressure.
  • Matches Kimi-K2.6's MLA architecture, so it fits more naturally into the inference engine's KV-cache handling under different serving scenarios such as PD-Disaggregation.

Training Setup

  • Cluster: 3 nodes × 8× B200 (24 GPUs total)
  • Training: 1 node (8 GPUs), FSDP
  • Inference: 2 nodes (16 GPUs), vLLM (TP=8 per node)
  • Continual training: Initialized from kimi-k2.5-eagle3-mla checkpoint
  • Iterations: 9,279 steps
  • Learning rate: 2e-5, cosine schedule

Performance

The primary metric is accept_length — the average number of tokens accepted per speculation step with num_speculative_tokens=3. Higher is better.

Benchmarks were run on vLLM 0.20.0 with 8× B200 GPUs.

CategoryBenchmarkNAccept Length
DialogueMTBench802.624
ChineseCEval2122.494
MathGSM8K5002.987
CodeHumanEval1643.241
MathMATH5005003.245
MathAIME302.982
CodeLiveCodeBench2002.706
CodeSPEED-Bench (coding)803.006

Quick Start

Requirements

  • NVIDIA GPU with CUDA 12.0+
  • vLLM >= 0.20.0

Launch Server (vLLM)

vllm serve moonshotai/Kimi-K2.6 \
    --tensor-parallel-size 8 \
    --speculative-config '{"model": "lightseekorg/kimi-k2.6-eagle3-mla", "method": "eagle3", "num_speculative_tokens": 3}' \
    --trust-remote-code

Launch Server (SGLang)

sglang serve \
  --model-path moonshotai/Kimi-K2.6 \
  --tp 8 \
  --trust-remote-code \
  --reasoning-parser kimi_k2 \
  --tool-call-parser kimi_k2 \
  --speculative-algorithm EAGLE3 \
  --speculative-num-steps 3 \
  --speculative-eagle-topk 1 \
  --speculative-num-draft-tokens 4 \
  --speculative-draft-model-path lightseekorg/kimi-k2.6-eagle3-mla

Citation

@misc{torchspec2026,
  title={TorchSpec: An Online Speculative Decoding Training Framework},
  url={https://github.com/torchspec-project/TorchSpec},
  year={2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура kimi_k2 неизвестна transformers в образе рантайма.

Класс архитектуры
Eagle3DeepseekV2ForCausalLM
Ревизия весов
d49b3f0

0 моделей