К содержимому
Другое

Mistral-7B-Instruct-v0.3 EAGLE3 draft

черновой чекпойнт для спекулятивного декодирования

2 мин чтенияобновлено

Модель представляет собой специализированный черновой чекпойнт (draft model) на базе архитектуры EAGLE-3, созданный для ускорения генерации текста языковой моделью mistralai/Mistral-7B-Instruct-v0.3. Она использует метод спекулятивного декодирования (когда маленькая вспомогательная модель быстро набрасывает несколько токенов вперед, а основная их проверяет за один шаг), что позволяет увеличить скорость работы без потери качества и изменения выходного распределения. Чекпойнт обучен на AWS Trainium2 на наборах данных UltraChat, Magicoder и GSM8K, содержит 293.6 млн тренируемых параметров и оптимизирован под формат speculators. Релиз пригодится разработчикам и инженерам, разворачивающим сервисы на базе Mistral-7B и желающим снизить задержки при инференсе.

Ключевые особенности

  • Метод EAGLE-3: спекулятивное декодирование с проверкой каждого предложенного токена целевой моделью без изменения ее итогового распределения.
  • Ускорение инференса: снижение времени на генерацию токена в 1.5–2.1 раза при низкой и средней нагрузке на сервере.
  • Обучение на качественных данных: тренировка на 61.2 млн токенов (ответы сгенерированы самой Mistral-7B-Instruct-v0.3) с использованием AWS Trainium2.
  • Совместимость с vLLM: полная поддержка запуска через стандартные библиотеки для спекулятивного декодирования.

Что можно сделать

  • Ускорить локальный или облачный сервис: внедрить чекпойнт в пайплайн vLLM для работы с mistralai/Mistral-7B-Instruct-v0.3 и снизить задержку ответа.
  • Протестировать на задачах кодинга и математики: получить максимальную длину принятия токенов на задачах программирования (Magicoder) и логических рассуждений (GSM8K).
  • Развернуть на AWS Trainium2: запустить модель с использованием фреймворка vllm-neuron и параллелизма тензоров.

Пример

Запуск спекулятивного декодирования с использованием vLLM:

vllm serve mistralai/Mistral-7B-Instruct-v0.3 \
  --speculative-config '{"method": "eagle3", "model": "", "num_speculative_tokens": 3}'
ПодробнееБенчмарки: средняя длина принятых токенов (acceptance length) достигает 2.70 для UltraChat, 3.25 для Magicoder и 3.16 для GSM8K (при k=3).
Железо: обучено на одном узле trn2.3xlarge (AWS Trainium2).
Ограничения: показатели актуальны для жадного декодирования (greedy decoding); при семплинге (temperature > 0) эффективность падает. Модель оптимизирована под английский язык, код и математику.
Обсудить Telegram 0 7

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.0 GB · готовые файлы1.7 GB
  • FP8 / INT8рекомендуемвеса 0.5 GB1.1 GB
  • 4-bitвеса 0.3 GB0.8 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # jburtoft/Mistral-7B-Instruct-v0.3-EAGLE3
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download jburtoft/Mistral-7B-Instruct-v0.3-EAGLE3 --local-dir ~/models/Mistral-7B-Instruct-v0.3-EAGLE3
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Mistral-7B-Instruct-v0.3-EAGLE3
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

mistralai/Mistral-7B-Instruct-v0.3
  1. Mistral-7B-v0.3основа семьи
  2. Mistral-7B-Instruct-v0.3
  3. Mistral-7B-Instruct-v0.3-EAGLE3

Новые посты про версии Mistral-7B-v0.3 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 3Все на Hugging Face

О модели

jburtoft/Mistral-7B-Instruct-v0.3-EAGLE3
Автор
jburtoft
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

70

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии