/ Модель

Характеристики

Размер весов
6,5 ГБ
Лицензия
CC BY 4.0
Архитектура
medusa · dense
Базовая модель
Llama-3.1-8B-Instruct
Библиотека
transformers
Опубликована
2 фев 2026

MEDUSA-Llama-3.1-8B-Instruct

Генерация текстаТекст → текст3 профессии

Черновая модель Medusa от Nebius ускоряет генерацию текста Llama 3.1 8B Instruct посредством speculative decoding.

84скачиваний за 30 дней0лайковвеса обновлены27 мая 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

MEDUSA-Llama-3.1-8B-Instruct — черновая модель семейства Medusa от Nebius для ускорения генерации текста базовой моделью Llama 3.1 8B Instruct с помощью speculative decoding. Она предсказывает до шести кандидатов-токенов, которые основная модель проверяет при стандартном rejection sampling; для интеграции в карточке приведена конфигурация vLLM. Модель обучена с нуля с использованием LK loss, нацеленного непосредственно на повышение доли принятых черновых токенов.

В приведённых измерениях средняя длина принятой последовательности составляет 2,21 токена при температуре 0 и 2,00 при температуре 1; оценки получены на MT-bench, HumanEval и GSM8K. Модель распространяется в формате Safetensors по лицензии CC BY 4.0. Это вспомогательная модель ускорения вывода, предназначенная для использования вместе с указанной базовой моделью, а не самостоятельная замена ей.

Сценарии применения

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

Ограничения

Работает совместно с базовой моделью meta-llama/Llama-3.1-8B-Instruct и рассчитана на использование через совместимый speculative decoding в vLLM. Приведённые показатели принятия черновых токенов измерены на MT-bench, HumanEval и GSM8K и сами по себе не характеризуют качество ответов или ускорение во всех сценариях.

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 a MEDUSA 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: MEDUSA
  • Training data: Infinity-Instruct-0625 with Llama-3.1-8B generated responses
  • Training objective: Hybrid LK loss with adaptive λ scheduling (η=10)
  • 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 = 6:

ConfigurationTemperature = 0Temperature = 1
MEDUSA + KL2.191.85
MEDUSA + LK (ours)2.212.00

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": "medusa",
        "model": "nebius/MEDUSA-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

Нельзя запустить

Архитектура medusa неизвестна transformers в образе рантайма.

Класс архитектуры
MedusaModel
Ревизия весов
a649c1f

0 моделей