/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
743 млн
Лицензия
CC BY 4.0
Архитектура
llama · dense
Базовая модель
Llama-3.1-8B-Instruct
Библиотека
transformers
Опубликована
2 фев 2026

EAGLE3-Llama-3.1-8B-Instruct

Генерация текстаТекст → текст3 профессии

Черновая модель EAGLE-3 для speculative decoding ускоряет генерацию текста моделью Llama-3.1-8B-Instruct в vLLM.

840скачиваний за 30 дней0лайковвеса обновлены27 мая 2026

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

EAGLE-3 — это черновая модель компании Nebius для ускорения генерации текста базовой моделью meta-llama/Llama-3.1-8B-Instruct с помощью speculative decoding в vLLM. Она предлагает кандидаты токенов, которые основная модель проверяет; сама по себе модель не предназначена для самостоятельного диалога. Модель обучена с нуля с использованием LK losses, нацеленных непосредственно на повышение доли принятых черновых токенов. В репозитории около 743,4 млн параметров, архитектура LlamaForCausalLM, веса в формате safetensors; указанная длина контекста — 2048 токенов.

В README приведены показатели средней длины принятой последовательности при K=7 на MT-bench, HumanEval и GSM8K: 4,43 при температуре 0 и 4,01 при температуре 1. Для использования приведён пример настройки speculative decoding в vLLM; для стохастического выбора черновых токенов нужны соответствующие возможности версии vLLM. Лицензия — CC BY 4.0. Практическая польза зависит от совместного использования с базовой моделью и совместимой конфигурации инференса.

Сценарии применения

  • ускорение генерации ответов Llama-3.1-8B-Instruct
  • ускорение диалоговой генерации в vLLM
  • ускорение генерации кода базовой моделью
  • ускорение решения математических задач базовой моделью

Ограничения

Модель предназначена для совместного использования с meta-llama/Llama-3.1-8B-Instruct и настроенным speculative decoding, а не для самостоятельной генерации. Фактическое ускорение зависит от принятия черновых токенов и совместимости версии и конфигурации vLLM.

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

Model Description

This is an EAGLE-3 draft model for Llama-3.1-8B-Instruct, trained from scratch using LK losses — training objectives that directly target acceptance rate rather than using KL divergence as a proxy.

Training Details

  • Base model: meta-llama/Llama-3.1-8B-Instruct
  • Draft architecture: EAGLE-3
  • Training data: Infinity-Instruct-0625 with Llama-3.1-8B generated responses
  • Training objective: Hybrid LK loss with adaptive λ scheduling (η=3)
  • Training: 10 epochs from random initialization
  • Draft length: K = 6 speculative tokens

Performance

Average acceptance length (τ) measured across MT-bench, HumanEval, and GSM8K with K = 7:

ConfigurationTemperature = 0Temperature = 1
EAGLE-3 + KL4.363.86
EAGLE-3 + LK (ours)4.434.01

Comparison with Public Checkpoints

ModelMT-bench (τ)HumanEval (τ)GSM8K (τ)
yuhuili/EAGLE3-LLaMA3.1-Instruct-8B2.973.753.21
zhuyksir/EAGLE3-Llama-3.1-8B-Instruct3.063.963.21
Ours3.484.524.02

Measured at temperature = 1 with K = 7

Note: Earlier vLLM versions sampled draft tokens greedily regardless of temperature, which underestimated acceptance rates at temperature > 0. Stochastic draft sampling was introduced in v0.18.0, and from v0.21.0 it can be enabled via speculative_config using rejection_sample_method and draft_sample_method. The acceptance metrics reported above were measured under standard rejection sampling and are reproducible with the configuration below.

Usage with vLLM

from vllm import LLM, SamplingParams

llm = LLM(
    model="meta-llama/Llama-3.1-8B-Instruct",
    speculative_config={
        "method": "eagle3",
        "model": "nebius/EAGLE3-Llama-3.1-8B-Instruct",
        "num_speculative_tokens": 6,
        "rejection_sample_method": "standard",
        "draft_sample_method": "gumbel",
    },
)

sampling_params = SamplingParams(temperature=0.7)
outputs = llm.generate(["Explain speculative decoding in simple terms."], sampling_params)

License

CC BY 4.0

This model was trained using outputs from meta-llama/Llama-3.1-8B-Instruct. Use of this model is additionally subject to the Llama 3.1 Community License Agreement.

Llama 3.1 is licensed under the Llama 3.1 Community License, Copyright © Meta Platforms, Inc. All Rights Reserved.

Citation

@misc{samarin2026lklosses,
  title     = {LK Losses: Direct Acceptance Rate Optimization for Speculative Decoding},
  author    = {Alexander Samarin and Sergei Krutikov and Anton Shevtsov and Sergei Skvortsov and Filipp Fisin and Alexander Golubev},
  year      = {2026},
  eprint    = {2602.23881},
  archivePrefix = {arXiv},
  primaryClass  = {cs.LG},
  url       = {https://arxiv.org/abs/2602.23881}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
debc7c5

0 моделей