/ Модель

Характеристики

Параметры
778 млн
Лицензия
MIT
Архитектура
llama · dense
Базовая модель
DeepSeek-R1-Distill-Qwen-7B
Библиотека
transformers
Опубликована
25 мар 2026

DeepSeek-R1-Distill-Qwen-7B-Eagle3

Генерация текстаТекст → текст3 профессии

Черновая модель EAGLE3 от Thoughtworks предлагает токены для спекулятивного декодирования DeepSeek-R1-Distill-Qwen-7B, ускоряя генерацию в совместимом SGLang.

66скачиваний за 30 дней0лайковвеса обновлены28 мар 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

Это вспомогательная черновая модель EAGLE3 от Thoughtworks для ускорения генерации с целевой моделью DeepSeek-R1-Distill-Qwen-7B. Она предлагает несколько следующих токенов, которые целевая модель проверяет параллельно; по README, на типичных инструкционных запросах это может повысить пропускную способность генерации примерно в 2–3 раза без изменения итогового текста. Модель обучена методом EAGLE3 Test-Time Training на Google Cloud TPU с использованием SpecJAX и предназначена для спекулятивного декодирования через SGLang или sglang-jax.

В репозитории указаны 778 млн параметров, архитектура LlamaForCausalLM с одним слоем трансформера и формат safetensors. Модель рассчитана прежде всего на англоязычные запросы; её заявленная задача — text-generation в режиме вспомогательного чернового декодирования. Лицензия — MIT. Для Qwen2-архитектуры базовой модели DeepSeek-R1-Distill-Qwen-7B требуется небольшой патч поддержки EAGLE3 в SGLang; TPU-конвейер sglang-jax пока не оптимизирован по производительности.

Сценарии применения

  • ускорение генерации ответов DeepSeek-R1-Distill-Qwen-7B через спекулятивное декодирование
  • ускорение англоязычных диалогов и ответов на инструкции
  • развёртывание чернового декодирования модели на GPU с SGLang
  • экспериментальное спекулятивное декодирование на TPU через sglang-jax

Ограничения

Обучение проводилось преимущественно на англоязычных инструкционных данных, поэтому качество предложений может снижаться на других языках и в узких предметных областях. Скорость зависит от оборудования, запросов и версии среды; для Qwen2 в SGLang требуется патч, а конвейер sglang-jax ещё не оптимизирован.

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

EAGLE3 Draft Head — DeepSeek-R1-Distill-Qwen-7B

A speculative decoding draft head for deepseek-ai/DeepSeek-R1-Distill-Qwen-7B, trained using the EAGLE3 method on Google Cloud TPU with the SpecJAX framework.

EAGLE3 draft heads accelerate autoregressive generation by proposing multiple tokens per step that a target model then verifies in parallel — typically achieving 2-3x throughput gains with no change in output quality.

Usage

SGLang (GPU)

Note: DeepSeek-R1-Distill-Qwen uses the Qwen2 architecture. EAGLE3 support requires a small patch to SGLang (adding set_eagle3_layers_to_capture() to the Qwen2 model). See the SpecJAX inference guide for details.

python -m sglang.launch_server \
    --model deepseek-ai/DeepSeek-R1-Distill-Qwen-7B \
    --speculative-algorithm EAGLE3 \
    --speculative-draft-model-path thoughtworks/DeepSeek-R1-Distill-Qwen-7B-Eagle3 \
    --speculative-num-steps 5 \
    --speculative-eagle-topk 4 \
    --dtype bfloat16

sglang-jax (TPU)

Note: Requires the same Qwen2 EAGLE3 patch applied to sglang-jax. The sglang-jax EAGLE3 pipeline is functional but not yet performance-optimized.

python -m sgl_jax.launch_server \
    --model-path deepseek-ai/DeepSeek-R1-Distill-Qwen-7B \
    --speculative-algorithm EAGLE3 \
    --speculative-draft-model-path thoughtworks/DeepSeek-R1-Distill-Qwen-7B-Eagle3 \
    --speculative-eagle-topk 1 \
    --speculative-num-steps 3 \
    --speculative-num-draft-tokens 4 \
    --tp-size 4 --dtype bfloat16

Python (SGLang client)

import sglang as sgl

llm = sgl.LLM(
    model="deepseek-ai/DeepSeek-R1-Distill-Qwen-7B",
    speculative_algorithm="EAGLE3",
    speculative_draft_model_path="thoughtworks/DeepSeek-R1-Distill-Qwen-7B-Eagle3",
    speculative_num_steps=5,
    speculative_eagle_topk=4,
    dtype="bfloat16",
)

Training Details

ParameterValue
FrameworkSpecJAX — pure JAX, no Flax/PyTorch
HardwareGoogle Cloud TPU v5e-32 (single host, 4 chips, TP=4)
Dataset54K mixed: ShareGPT (45%) + UltraChat-200K (35%) + Open-PerfectBlend (20%)
Epochs3
Steps9,960 total
OptimizerAdamW, cosine LR decay, 3% warmup
Learning rate8e-4
Batch sizeB=1, sequence length T=512, gradient accumulation 16
TTT length7 (multi-step speculative rollout)
Training time~4.4 hours
Precisionbfloat16

Training Method

This model uses EAGLE3's Test-Time Training (TTT) objective with a rollout length of 7. At each training step, the draft head autoregressively proposes 7 tokens; the target model provides ground-truth hidden states and logits for all positions; a geometric loss (0.8^k weighting) trains the draft to match the target at each position.

Performance

Token acceptance rates on generic instruction-following data (ShareGPT-style prompts):

PositionAcceptance Rate
acc_0 (1st draft token)61.5%
acc_158.0%
acc_256.5%

Measured on held-out evaluation data. Actual throughput gains depend on hardware, prompt distribution, and runtime version.

Model Architecture

The draft head is a single-layer transformer that operates on the target model's hidden states:

ParameterValue
ArchitectureLlamaForCausalLM (1 decoder layer)
Hidden size4096
Attention heads32 (GQA: 8 KV heads)
Vocabulary size152,064 (full target vocab)
Draft vocab size32,000 (top tokens by training frequency)
Parameters~350M

Limitations

  • Trained on English-dominant instruction data; performance may degrade on non-English inputs or highly domain-specific content.
  • Acceptance rates are measured on generic chat data and will vary by prompt distribution.
  • This is a v1 checkpoint trained on generic data. A v2 with target-model-regenerated training data is planned.

License

This model is released under the MIT License. The base model (DeepSeek-R1-Distill-Qwen-7B) is subject to its own license terms.

References

@article{li2025eagle3,
  title={EAGLE3: Scalable Speculative Decoding with Training-Free Multi-Draft Speculation},
  author={Li, Yuhui and Wei, Fangyun and Zhang, Chao and Zhang, Hongyang},
  journal={arXiv preprint arXiv:2503.01840},
  year={2025}
}

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
10c2447

0 моделей