EAGLE-4とは？LLMを速くする投機的デコーディングの仕組みとPCで使えるか

EAGLE-4は、LLM（大規模言語モデル）が文章を出す速さを上げる投機的デコーディングの手法、EAGLEシリーズの最新版です。日本時間の2026年10月21日2時41分にGitHubで推論コードの最初の公開リリース（v0.1.0）が出て、6時42分にEagle AI CorpがXで発表しました。

よくある疑問：EAGLE-4は新しいAIモデル？自分のPCのAIも速くなるの？

この記事では、EAGLE-4の仕組み、EAGLEシリーズの歩み、EAGLE-3との違い、公式の数値と条件、ライセンス、使い方、自分のPCで使えるかを順に整理します。

2026年10月21日時点の論文・GitHub・公式ブログをもとにまとめました。PCコンパス編集部はEAGLE-4を動かして測っていないため、速さはすべて公式資料の測定値です。

EAGLE-4とは？LLMの文章生成を速くする投機的デコーディング手法、EAGLEシリーズの最新版

イメージ図

EAGLE-4とは、LLMの推論（AIが答えを作る処理）を速くするための投機的デコーディングの手法の1つ、EAGLEシリーズの最新世代です。

本体のモデル（ターゲットモデル）ごとに、下書き役の小さなモデル（ドラフトモデル）を1つ用意します。GitHubのREADMEによると、EAGLE-4のドラフトモデルは、同時に処理する数やGPUに合わせて下書きのやり方を変えます。

それでも、本体モデルの出力の分布（どの語をどれくらいの確率で選ぶか）は保つ、とREADMEは説明しています。

名前のEAGLEは、Extrapolation Algorithm for Greater Language-model Efficiencyの頭文字です。なお、名前の似た基板設計ソフトのEAGLEや、画像管理アプリのEagleとは関係ありません。

注意したいのは、EAGLE-4はAIモデルそのものではないことです。Hugging FaceのEAGLE-4のドラフトモデルには「it is not a standalone text-generation model」（単体で文章を作るモデルではない）と書かれています。

対応する本体モデル（例：Qwen3.8-27B）とEAGLE-4のコードを組み合わせて使う部品で、ChatGPTのように話しかけて使うものではない、と考えると分かりやすいでしょう（編集部の言い換え）。

論文の題名は「EAGLE-4: One Flexible Drafter for All Batch Sizes and Hardware」です。1つの柔軟なドラフトモデルで、どの同時処理数・機材にも対応する、というのがEAGLE-4の論文の主張です。

EAGLE-4の発表の流れ（いつ・どこで）

EAGLE-4は、10月15日のブログの暫定値のあと、GitHubのリリース、Xでの発表と段階的に姿を見せました。日付と出来事を下の表にまとめます。

日時	出来事	出典
2026年10月15日（ブログの日付）	Eagle公式ブログが、NVIDIA Nemotron 3.5 Super VLでのEAGLE-4の暫定ベンチマークを先に掲載（9月29日にNVIDIAの早期アクセスで測定）	Eagleブログ
2026年10月20日（ブログの日付）	Eagle公式ブログと、TokenSpeedを作るLightSeek Foundationのブログが、EAGLE-4の紹介記事を公開	Eagleブログ、LightSeekブログ
2026年10月21日 2時41分（日本時間。UTCでは10月20日17時41分）	GitHubのeagle-hq/EAGLE-4で、推論コードの最初の公開リリースv0.1.0。同じころPyPIにeagle-harness 0.1.0	GitHub、PyPI
2026年10月21日 6時42分（日本時間）	EagleのXアカウント（@EagleCorp）が「EAGLE-4 is here.」と発表	X
2026年10月21日確認	EAGLE-4の論文はリポジトリ内のPDF。arXivでは見当たらない	GitHub、arXiv

出典：GitHub eagle-hq/EAGLE-4のリリース、PyPI、Eagle公式ブログ（10月15日）、Eagle公式ブログ（10月20日）、LightSeekブログ、Xの投稿（2026年10月21日確認）

EAGLE-4の論文は、READMEの引用情報でプレプリント（＝学会の査読を経る前の論文）と表記されています。

EAGLE-4を発表したEagle AI Corpと、EAGLE-1〜3の関係

EAGLE-4を発表したのはEagle AI Corpです。同社サイトの紹介によると、同社のトップはSafe AI Labを率いるHongyang Zhang氏です。

同社のaboutページは、Zhang氏をウォータールー大学のAIのテニュアトラック（終身在職権の審査期間中）の教授と紹介しています。EAGLE・EAGLE-2・EAGLE-3の論文の著者は4人で、Zhang氏はその1人です。

EAGLE-1〜3の公式実装を置くGitHubのSafeAILabも、Hongyang Zhang氏が率いるAIラボと自らを説明しています。

一方、EAGLE-4の論文の著者欄は「EAGLE-4 Team / Eagle AI」とだけあり、個人名の一覧はありません。Xの投稿は、EAGLE-1からEAGLE-3まで推論を速くし続けてきた、と同社の歩みを書いています。

投機的デコーディングとは？EAGLE-4が速くなる仕組み

イメージ図

投機的デコーディング（speculative decoding。投機的デコードとも書きます）とは、小さく速いドラフトモデルが先に数トークンを下書きし、本体モデルがそれを1回の計算でまとめて確かめる方法です。EAGLE-4も、この考え方の上に作られています。

トークンは、AIが文章を区切って扱う単位です。EAGLE-4の論文は、下書きと確認の流れを次の3段で説明しています。

図で見る：EAGLE-4の下書きと確認の流れ

1. ドラフトモデルが、先の数トークンを提案する
2. 本体モデルが、提案をまとめて1回で確かめる
3. 最初に食い違った位置で打ち切り、本体モデルが正しい1トークンを足す

温度0（T=0。毎回いちばん確率の高い語を選ぶ設定）では、本体モデルが選ぶ語と一致した部分だけを残します。図の例なら、1回の確認で「今日」「は」「晴れ」に本体の「だ」を足した4語が進みます。

下書きは図のような1本の列（鎖）のほかに、途中で枝分かれした候補の集まり（木）として出す方式もあります。木を広く深くすると採用される語は増えやすい一方、下書きと確認の手間も増える、とEAGLE-4の論文は説明しています。

EAGLE-4で生成が速くなる理由と、出力の扱い

LLMは1トークンずつ順に文章を作ります。同時に処理するリクエスト（問い合わせ）の数が少ないと、GPUの計算力が余り、メモリからデータを運ぶ時間が大きな割合を占める、とEAGLE-4の論文は説明しています。

本体モデルの1回の計算で複数トークン進めれば、その分だけ速くなります。速さを決めるのは、1回の確認で何トークン進めるか（受理長）と、下書き＋確認にかかる時間の2つです。

下書きが重いと、当たっても速くなりません。この点が、後で見るEAGLE-4の改良につながります。

速さは、投機的デコーディングを使わない通常の生成（以下、通常デコード）と比べた倍率で示されます。

出力について、READMEはEAGLE-4が本体モデルの出力の分布を保つ（keeps the target model’s output distribution）と説明しています。本体モデルがまとめて確かめるので、出力の分布は本体のままという考え方です。

Eagle公式ブログも、温度0では採用した下書きが本体モデルの貪欲な予測（毎回1位の語を選ぶ予測）と一致すると書いています。

ただしEAGLE-4の公式FAQは、検証の計算の形が変わるため、投機なしのサーバーと完全に同じ出力になるとは限らないとしています。

Medusa・MTP・小さな別モデルとEAGLE-4の違い

投機的デコーディングには、下書きを何が作るかでいくつかの方式があります。EAGLE-4を含む主な方式を下の表にまとめました。

方式	下書きを作るもの	追加で要るもの	主な対応ソフト（公式docs）
小さな別モデルを使う方式	本体と同じ語彙を持つ小さなLLM	小さなモデル	LM Studio、llama.cpp
Medusa	本体に足した複数の予測ヘッド（それぞれ独立に先の語を当てる）	ヘッドの学習	―（この記事では扱わない）
MTP（マルチトークン予測）	モデル自身に組み込まれた追加の予測層	なし（モデルに入っていれば）	vLLM、SGLang、llama.cpp
EAGLE（1〜3）	本体の内部の特徴を読む1層のドラフトモデル（1語ずつ連鎖して当てる）	専用に学習したドラフトモデル	vLLM、SGLang、TensorRT-LLM、llama.cpp（いずれもEAGLE-3）
EAGLE-4	EAGLEと同じ型のドラフトモデル＋実行時間を見て下書き量を調整	EAGLE-4用のドラフトモデル（公開は2つ）	改造版のSGLang・vLLM・TokenSpeedのみ

出典：EAGLE・Medusa・DeepSeek-V3の各論文、EAGLE-4の論文とREADME、vLLM・SGLang・TensorRT-LLM・llama.cpp・LM Studioの公式ドキュメント（2026年10月21日確認）

MTPは本体モデルに組み込まれているので、別のファイルが要りません。EAGLE-4の論文は、DeepSeek-V3以降のMTPはEAGLEと同じ設計に従っていると主張しています。

EAGLEシリーズの歩み｜EAGLE-1からEAGLE-4までの変化

EAGLEシリーズは、論文が2024年1月に出た最初のEAGLE（EAGLE-1とも呼ばれます）から、下書きの当て方を版ごとに変えてきました。EAGLE-1〜3は、ICML・EMNLP・NeurIPSというAIの国際学会で発表された論文です。

シリーズの比較表の「同じ条件での速さ」は、EAGLE-3の論文の表（本体モデルVicuna-13B、温度0、会話の質問集MT-bench、通常デコード比）の値です。同じ表でMedusaは2.07倍でした。

版	論文の公開（掲載先）	何を変えたか	同じ条件での速さ（通常デコード比）
EAGLE（EAGLE-1）	2024年1月（ICML 2024）	本体の内部の特徴（出力層の手前の値）を1つずつ先へ予測して下書きする	3.07倍
EAGLE-2	2024年6月（EMNLP 2024）	ドラフトモデルの確信度で、下書きの木の形を文脈ごとに変える	4.26倍
EAGLE-3	2025年3月（NeurIPS 2025）	特徴の予測をやめて語を直接予測。浅い・中間・深い層の特徴を合わせる	5.58倍
EAGLE-3.1と呼ばれる改良	2026年5月（arXivの論文）	深く先読みしたときに、アテンション（文のどこを参照するかを決める仕組み）が自分の下書きに偏る現象（attention drift）を正規化で抑える	―（この列とは別の条件）
EAGLE-4	2026年10月（プレプリント）	実行時間を見て下書きの量を自動で決める。語の候補の採点を軽くする	―（別の条件。次の性能の節で）

出典：EAGLE・EAGLE-2・EAGLE-3の論文（arXiv）、EAGLE-3.1と呼ばれる改良の論文（arXiv）とLightSeekブログ、EAGLE-4の論文（2026年10月21日確認）

これは研究論文の条件での倍率で、実際のサービスの倍率ではありません。

EAGLE-3の論文の別の表（SGLangチームの測定。NVIDIA H100、本体モデルLlama-3.1-8B-Instruct、MT-Bench、投機なしのSGLang比）では、同時に処理する数（バッチ）が2のとき1.81倍、64のとき1.38倍でした。

途中は32で1.32倍、48で1.38倍と単調ではないものの、同時に処理する数が増えると倍率はおおむね下がります。この「混むと倍率が小さくなる」問題が、EAGLE-4が取り組んだ課題です。

なお、EAGLE-1〜3の公式実装（SafeAILab/EAGLE）はApache-2.0のオープンソースです。EAGLE-4ではライセンスが変わりました（後述）。

EAGLE-4とEAGLE-3の違い｜EAGLE-HarnessとEfficient LM Head

イメージ図

EAGLE-4は、EAGLE-3／3.1の1層のドラフトモデルを土台に、3つの工夫を加えました。下書きの量を実行時間から決めるEAGLE-Harness、語の候補の採点を軽くするEfficient LM Head、長い文章向けのアテンションとキャッシュの工夫です。

項目	EAGLE-3（3.1を含む）	EAGLE-4
下書きの量の決め方	ドラフトモデルの確信度で木の形を変える（処理時間は見ない）	事前に測った処理時間と確信度で、深さ・幅・検証する数を毎回決める（EAGLE-Harness）
混雑したとき	処理時間を見ずに木を作る（EAGLE-4の論文の説明）。EAGLE-3の論文のSGLangの表でも、同時に処理する数が増えると倍率がおおむね下がる	同じドラフトモデルのまま、1件なら深く広い木、混雑時は短い鎖に切り替える
語の候補の採点	語彙を固定で減らして軽くする（下書きの正確さが落ちることがある）	全語彙から候補128個を選び、その候補だけを元の出力層で正確に採点する（Efficient LM Head）
ドラフトモデルの大きさ	1層	1層のまま
長い文章	―	直近4,096位置だけを見るアテンション（スライディングウィンドウ）と、追記専用のキャッシュ
ライセンス	Apache-2.0（SafeAILab/EAGLE）	source-available（Eagle AI Corp）

出典：EAGLE-4の論文（3章）、Hugging Faceのドラフトモデルの設定ファイル、SafeAILab/EAGLE（2026年10月21日確認）

EAGLE-Harness：GPUと混み具合に合わせて下書きの量を決める

EAGLE-Harnessは、事前の準備運転で、ドラフトモデルと本体モデルの処理時間を、同時処理数・文脈の長さ・下書きの数ごとに測って表に保存します。

生成中は、下書きを1段深くしたときに増える採用数が、増える時間に見合うかを、表と確信度で判断します。EAGLE-Harnessが毎回決めるのは次の3つです。

• 次の深さに進むか
• 何トークンを検証に回すか
• 1つの分かれ目から何本に枝分かれするか（空いているときは最大8本、混んでいるときは最大4本）

1件なら深く広い木、混雑時は短い鎖を、ドラフトモデルの重みを変えずに作ります。判断は表を引くだけなので、本体モデルに追加の計算をさせない、とEAGLE-4の論文は説明しています。

温度1（T=1。確率に従って語を選ぶ設定）など、温度が0より大きいときは、そのラウンドの抽選結果を見て止めると出力が偏るため、深さを前のラウンドの結果で先に決めます。

EAGLE-4の論文の著者側は、DFlashやDSparkのように決まった長さの塊を一度に下書きする方式は、混雑時に無駄な下書きが増えやすいと主張しています。1語ずつ進むEAGLE型なら途中で止められる、という考えです。

Efficient LM Head：語の候補選びを軽くする

出力層（LM head）は、次に来る語の候補ごとに点数をつける最後の部分です。論文の測定構成では、この計算がドラフトモデル1回の処理時間574マイクロ秒の65.4%を占めていました。1マイクロ秒は100万分の1秒です。

EAGLE-4は、軽い計算（rank 128の低ランク射影）で全語彙から候補を選び、その候補だけを元の出力層で正確に採点する2段階にしました。ドラフトモデル1回の処理は255マイクロ秒になり、55.6%短くなりました。

候補選びを専用に学習すると、元の出力層の1位の語が候補に入る割合が91.5%から98.2%に上がった、とEAGLE-4の論文は報告しています。

EAGLE-4のドラフトモデルは小さいまま

Qwen3.8-27B用のEAGLE-4のドラフトモデルは1層で、層のパラメータは0.44B（4.4億。Bは10億）です。比較相手のDFlash 2は1.66B、DSparkは1.65B（どちらも5層）と、Eagle公式ブログが論文の表として紹介しています。

Gemma 4用のEAGLE-4のドラフトモデルは134MBです。配布されているQwen3.8-27B用ドラフトモデルのファイルは約6.18GBで、埋め込みと出力層を含むため、層のパラメータより大きくなります（編集部の補足）。

EAGLE-4の速さは？公式の数値と測定条件

イメージ図

論文の測定では、本体モデルQwen3.8-27BをNVIDIA B300 4枚で動かし、1リクエスト・温度0のとき、EAGLE-4は通常デコードの3.59倍（毎秒863.8トークン）でした。一方、同時512件・温度1では1.03倍にとどまります。

EAGLE-4の論文の性能の表（同時に処理する数×温度）

条件は、モデルを4枚のNVIDIA B300に分けて動かす設定（TP4。テンソル並列）、NVIDIAのベンチマーク（性能を測るテスト）SPEED-Bench（qualitative）、最大出力4,096トークンです。

全方式を同じ推論エンジン（AIモデルを動かすサーバー用ソフト）で測り、ほかの投機的デコーディングのDFlash 2・DSparkと、本体に入っているMTPと比べています。数値は毎秒トークン数、括弧は通常デコード比です。

方式（毎秒トークン数）	同時1件・温度0	同時512件・温度0	同時1件・温度1	同時512件・温度1
EAGLE-4	863.8（3.59倍）	28,340（1.34倍）	608.6（2.59倍）	21,005（1.03倍）
DFlash 2	672.6（2.80倍）	16,641（0.78倍）	560.3（2.39倍）	14,217（0.70倍）
DSpark	618.6（2.57倍）	14,229（0.67倍）	519.4（2.21倍）	11,723（0.58倍）
MTP（本体に内蔵）	534.5（2.22倍）	21,518（1.01倍）	369.1（1.57倍）	18,869（0.93倍）
通常デコード	240.5	21,203	234.9	20,307

出典：EAGLE-4の論文の表2（2026年10月21日確認）

EAGLE-4の論文は、要旨でこれまでの最高の1.28倍・本体内蔵のMTPの1.62倍（1件）と書き、1章ではDFlash 2との比が1.28倍と示しています。これは上の表の同時1件・温度0どうしの比です。

同時512件の数値は、全リクエスト合計の速さです。混むと倍率は1倍に近づき、DFlash 2・DSpark・MTPは通常デコードを下回る欄もあります。

比較相手の数値は、論文の著者がDFlash 2の公式チェックポイント、RedHatAIのDSparkのチェックポイント、Qwen3.8-27B内蔵の公式MTPで測ったもので、各方式の公称値ではありません。

MTPとの差は測り方でも変わります。推論エンジンが違うLightSeekのTokenSpeedでの測定では、EAGLE-4はMTPの1.37倍（温度0）でした。

X投稿の「961.6 tokens/s」はどの数字？

Xの投稿にある毎秒961.6トークンは、TokenSpeedという推論エンジンでEAGLE-4を動かしたときの値で、論文の表の863.8とは別の測定です。

TokenSpeedは、非営利のLightSeek Foundationが作るMITライセンスの推論エンジンです。EAGLE-4のTokenSpeed対応は実験的な扱いで、対象はNVIDIAのCUDA環境だけです（README）。

下の表の共通の条件は、本体モデルQwen3.8-27B（BF16。重みを16ビットの数値で持つ形式）、NVIDIA B300を4枚・TP4、1リクエスト、温度0です。

出典	EAGLE-4の値	比べた相手	条件
Eagle公式ブログ（Xの投稿の961.6と同じ値）	毎秒961.6トークン（TokenSpeed）	同じEAGLE-4を同梱のSGLang参照実装で動かすと837.6 → 1.15倍	同じ機械・同じ日、SPEED-Benchの88会話・117ターン、思考あり
LightSeek（TokenSpeedの開発元）のブログ	毎秒985トークン（温度0）	TokenSpeedで投機なしの3.56倍、MTPの1.37倍	88会話・117ターン、思考あり
論文の表（上の表）	毎秒863.8トークン	通常デコードの3.59倍（全方式が同じエンジン）	SPEED-Bench（qualitative）

出典：Xの投稿（@EagleCorp）、Eagle公式ブログ、LightSeekブログ、EAGLE-4の論文（2026年10月21日確認）

Xのスレッドの2つ目の投稿は「4x vanilla throughput」と書き、961.6（TokenSpeed）と、論文の表と同じDFlash 2・DSpark・通常デコード（240.5）の値を並べています。

961.6はEagle公式ブログではTokenSpeedでの測定として、240.5は論文の表の値として出ています。この記事では、同じ表の中で比べた3.59倍を使います（編集部の判断）。TokenSpeedの中で投機なしと比べた倍率は、LightSeekブログの3.56倍です。

なお、READMEのリリース版の測定の節は、TokenSpeedの速さは主張しないと書いています（原文：No TokenSpeed throughput is claimed.）。

NVIDIA以外（AMD・CPU・スマホ）でのEAGLE-4の数値

EAGLE-4の論文は、NVIDIA以外の環境でも測っています。

環境	本体モデル	結果（条件は行ごと）	注意
AMD Instinct MI350X 1枚	Qwen3.8-27B	1件で毎秒75.27→262.89トークン（3.49倍）、同時32件で1.70倍（温度の記載なし）	AMDのチームが測定。READMEの測定ではMI355Xと表記
CPU（AWS c5.xlarge、仮想CPU 4・メモリ8GB）	Gemma-4-E2B-it（4bit。重みを4ビットの数値に縮めて軽くした版）	1件・温度0。4種類のテストの平均で2.71倍（EAGLE-3は1.25〜1.65倍）	llama.cppベースの実装。配布されていない
スマホ（Motorola Razr 70 UltraのCPU）	Gemma-4-E2B-it（4bit）	1件・温度0。HumanEval（プログラミング問題集）で毎秒22.8→82.6トークン（3.62倍）	端末が冷えた状態で測定。配布されていない

出典：EAGLE-4の論文の表4〜6、Eagle公式ブログ、README（2026年10月21日確認）

CPUとスマホの実験はllama.cppをもとにした実装ですが、そのコードとドラフトモデルは2026年10月21日時点でGitHub・Hugging Faceに含まれていません。スマホは連続生成30〜45秒で熱による減速が起きる、と論文は書いています。

AMDのGPU名は資料で異なり、論文とEagleブログはMI350X、READMEと対応表はMI355Xと書いています。上の表は論文の値なのでMI350Xとしました。

Nemotron（120B-A12B）では、論文の著者の測定（B300を4枚・TP4・温度0）で、1件で2.74倍、同時512件で1.69倍でした。リリース版のコードでのNemotronの扱いは、後の注意点で触れます。

EAGLE-4は無料？オープンソースではないライセンスと配布物

EAGLE-4のソースコードはGitHubで公開されていますが、オープンソースではありません。READMEは、source-available（＝ソースを読めて使えるが、独自の条件があるライセンス）のソフトで、OSIが認めたオープンソースではないと書いています。

OSIは、オープンソースの定義を管理する団体です。EAGLE-4は個人の非商用の利用なら無償で、商用は条件つきです。

EAGLE-4のライセンスでできること（個人・商用）

使い方	できるか	条件
個人の利用・研究・評価・学習（非商用）	無償で利用・改変・再配布できる	ライセンスの条件を守る。顧客向けでなく、収益や商業上の利益を生まない使い方に限る
商用利用（収益につながる使い方。会社でも個人でも）	条件つきで可	有料の製品・サービス、広告つきのサービス、API・ホスティング、収益を生むサービスを支える使い方などは商用に当たる。競合製品ではなく、本人と関連会社の売上の合計が連続する12か月で2,000万米ドルを超えていない場合だけ可
売上が2,000万米ドルを超えた場合	別の契約が必要	超えた後に売上が減っても続く
EAGLE-4を置き換える推論・高速化の製品（競合製品）	別の商用ライセンスが必要	売上に関係なく
参考：EAGLE-1〜3の公式実装	Apache-2.0（オープンソース）	―

出典：EAGLE-4のREADME・LICENSE（Eagle 4 Source-Available License）、SafeAILab/EAGLE（2026年10月21日確認）

READMEとLICENSEによると、ライセンスと商標ポリシーには、ダウンロード、clone（複製）、利用などをした時点で同意したことになります。

同意しない場合も公開リポジトリを見ることはできますが、ライセンスで認められた利用はできません（LICENSEより）。

READMEとLICENSEに利用料の記載はなく、有料のAPIやホスティングサービスの記載も見当たりません（10月21日時点）。EAGLE-4のドラフトモデルは、Hugging Faceで申請なしにダウンロードできます。

本体モデルのライセンスは別で、Qwen3.8-27BはApache-2.0です。Hugging Faceのモデルカードも、ドラフトモデルと本体モデルの両方のライセンスを確認するよう求めています。

EAGLE-4で配布されているもの

SGLang・vLLM・TokenSpeedは、AIモデルを動かして多くの人のリクエストに答えるための推論エンジンです。EAGLE-4の配布物は次の4つです。

配布物	場所	中身
eagle-harness 0.1.0	GitHub（eagle-hq/EAGLE-4）、PyPI	SGLang・vLLM・TokenSpeedにEAGLE-4を組み込む部品（READMEの手順はCUDA用エンジンでPython 3.12、AMDのROCm用で3.10）
改造版の推論エンジン	GitHub（eagle-hqのfork）、ビルド済みファイル（wheel）、コンテナ	通常配布のSGLang・vLLMにはEAGLE-4をつなぐ仕組みがないため、専用版が必要。AMD用のコンテナは未公開（READMEの配布表）、vLLM用のコンテナは置かれているが検証待ち（docs）
ドラフトモデル	Hugging Face（EAGLE-Corp）	Qwen3.8-27B用（約6.18GB）とNemotron-3.5-Super-VL-120B-A12B用の2つ
論文	GitHubのリポジトリ内のPDF	12ページ。arXivでは見当たらない（2026年10月21日確認）

出典：GitHub eagle-hq/EAGLE-4（README・docs/install.md・docs/known-limits.md・リリース）、PyPI、Hugging Face（2026年10月21日確認）

公式docs（既知の制限）は、配布先（PyPI・wheelの置き場・コンテナの置き場）があることは、公開や品質確認を意味しないと書いています。

EAGLE-4の使い方と、誰が使うものか

イメージ図

EAGLE-4は、AIを動かす側（推論サーバーを運営する企業・研究者）がサーバーに組み込む部品です。ChatGPTのようなアプリを使うだけの人が入れて使うものではありません。

READMEはEAGLE-4を推論エンジンに組み込むプラグインとして説明しています。Eagle公式ブログも、推論プラットフォームや端末上のアプリを作っている人へ連絡を呼びかけて締めくくっています。

EAGLE-4の公式の手順のおおまかな流れ

READMEとdocsの手順を、コマンドを省いて4段にまとめました。PCコンパス編集部はこの手順を実行していません。

出典：README、docs/install.md、docs（quickstart）（2026年10月21日確認）

新しい本体モデルでEAGLE-4を使うには

新しい本体モデルにEAGLE-4を使うには、その本体モデル用のドラフトモデルの学習が要ります。

公式docs（新しいモデルへの対応）は、学習ツールTorchSpecの管理者から、効率的ヘッドの学習・書き出しに対応したコード一式を入手するよう案内しています。再現できる公開リポジトリの版はこのリリースでは示されておらず、検証済みの通しの学習手順ではない、という位置づけです。

一方、LightSeekブログは、TorchSpecが初日（day 0）からEAGLE-4の学習に対応していると書いています。公式docsは、任意の新しいモデルでの学習から運用までの通しは未測定とも書いています。

EAGLE-4は自分のPCで使える？Windows・GeForceの対応

イメージ図

2026年10月21日時点で、家庭のWindows PCでEAGLE-4を使う公式の方法はありません。公式の動作要件はLinux（x86-64）だけで、リリース版のコードで運用の測定をしたGPUは、データセンター向けのB300とMI355Xだけです。

EAGLE-4の公式の動作要件と家庭のPC

確認項目	公式の記載（10月21日時点）	家庭のPCでは
OS	Linux（x86-64）のみ。Windows・macOSの記載なし	Windowsで動かす公式の手順はない
GPU	公式はNVIDIAのsm_80以降と、AMDのCDNA2〜CDNA4を挙げる。docsの一覧に名前が出るのはA100・H100・H200・B200・B300とsm_120。運用の測定はB300とMI355Xだけで、一覧のほかのGPUは、コンパイル（プログラムを実行できる形に変換する処理）が通るかの確認のみ	GeForceでの動作・速さの記載はない。RTX 50（12.0）は一覧のsm_120に当たる。RTX 30（8.6）・40（8.9）は一覧に名前がなく、「sm_80以降」に入るというのは編集部の読み
必要なVRAM	記載なし	公式手順のQwen3.8-27B（BF16）とドラフトモデルを合わせると、重みだけで約62GB（計算値。本体だけでも約55.6GB）。RTX 5090の32GBに収まらない
配布の形	改造版のSGLang・vLLM・TokenSpeed用	GGUF、llama.cpp、LM Studio、Ollama用の公式の配布物は確認できない

出典：EAGLE-4のdocs/install.md・docs/kernels.md・docs/known-limits.md、README、Hugging Face、NVIDIA公式（CUDA GPUs・RTX 5090）（2026年10月21日確認）

約62GBは編集部の計算値です。本体 約277.8億パラメータ×2バイト（BF16）≈約55.6GB、ドラフトモデル約6.2GBで、合計約62GB。10億バイト＝1GBで計算し、会話の途中経過を保存するKVキャッシュなどは別です。

sm_80は、NVIDIAのGPUの世代番号（Compute Capability）です。NVIDIAの公式表では、RTX 30シリーズが8.6、40シリーズが8.9、50シリーズが12.0です。

公式はsm_80以降と書きますが、docsの一覧に名前が出るのはA100〜B300とsm_120（RTX 50世代が相当）です。GeForceでの動作・速さの記載はありません。RTX 30/40が「sm_80以降」に入るというのは編集部の読みです。

量子化（モデルを軽くした版）の本体をEAGLE-4で使う手順や対応の記載もありません。READMEは、vLLMのツリー検証には量子化していないKVキャッシュが必要と書いています。

今のPCで使える投機的デコーディング（EAGLE-4ではない方法）

EAGLE-4そのものではありませんが、投機的デコーディングは家庭のPC向けのソフトにもすでにあります。

方法	下書きを作るもの	Windows	注意
llama.cppのEAGLE-3	専用のEAGLE-3ドラフトモデル（GGUFに変換して使う）	公式のビルド済みファイルあり	公式docsの例はLlama 3.1／3.3、Gemma 4、Qwen3、gpt-oss向けのドラフトモデル
llama.cppのMTP	モデルに入っているMTPの層	同上	MTPの層を持つモデルだけ
LM Studioの投機的デコーディング	本体と同じ語彙を持つ小さなモデル	アプリあり	Power Userモード以上でDraft Modelを選ぶ。公式は、速くならないことも、遅くなることもあると書いている

出典：llama.cppのdocs/speculative.mdとGitHubのリリース、LM Studioの公式ドキュメント（2026年10月21日確認）

速くなるかは、モデル・ドラフトモデル・PC・頼む内容しだいです。LM Studioの公式docsも、下書きが当たりやすい内容と当たりにくい内容があり、ドラフトモデルの分だけ計算と資源が多く要ると書いています。

ドラフトモデルもVRAM（GPUのメモリ）を使います。必要なVRAMの考え方とPC構成は、ローカルLLM・生成AIを動かすPCスペックの記事で解説しています。

家庭のPCでMTPの先読みを使う無料ツールの例はStrataの解説記事、LM StudioとOllamaの違いはLM StudioとOllamaの比較記事で紹介しています。

llama.cppで使うGGUF（ローカルLLMでよく使うモデルファイルの形式）は、GGUFとは？で説明しています。なお、LM Studio・Ollama・llama.cpp向けのEAGLE-4の公式の配布物は、10月21日時点で確認できません。

EAGLE-4の注意点と限界

EAGLE-4を調べるときに押さえたい点を、公式資料の記述からまとめました。

EAGLE-4の速さの数字で注意すること

• 混雑時と温度1では伸びが小さい：同時512件・温度1では、EAGLE-4は通常デコードの1.03倍です（論文の表）。
• リリース版の測定は論文と別：READMEは、温度0・2回起動の平均・同じエンジンの投機なし比で、vLLM（B300を4枚）同時1件で2.99倍、SGLang（B300を4枚）クライアント64件で1.35倍と書いています。
  • この2つの測定の条件は、docsの測定一覧によると、前者が22会話・31ターン・1ターン最大1,024トークン・静的な木（枝分かれの形を固定した木）、後者がサーバー側の同時実行の上限32（残りは待ち行列）・1ターン最大512トークンです。
  • docsの測定一覧は、これらの測定は論文のSPEED-Benchの結果の代わりではないと書き、既知の制限のdocsは、ある同時数の結果は、別の同時数での結果を示すものではないとしています。
• 出力が投機なしと完全に同じとは限らない：計算の形が変わるためで、組み合わせによっては説明のつかない食い違いが残る、とEAGLE-4の公式FAQは書いています。
• 論文はプレプリント：arXivでは見当たらず（2026年10月21日確認）、比較の数値はEAGLE-4の著者側の測定です。

EAGLE-4の配布と対応で注意すること

• 公開されたドラフトモデルは2つだけ：Qwen3.8-27B用とNemotron用です。Nemotronは、SGLangでは出力の食い違いが未解決、vLLMとTokenSpeedでは速さと正しさの結果がそろっていない、と公式docs（既知の制限）は書いています。
• 専用の改造版エンジンが必要：通常配布のSGLang・vLLMにはEAGLE-4をつなぐ仕組みがありません。TokenSpeed対応は実験的です。
• 扱えるのは文字だけ：READMEによると、EAGLE-4のリクエストは文字のみで、画像つきのリクエストには対応していません。
• 初回リリース：GitHubのリリースページはv0.1.0を推論コードの最初の公開リリースと書く一方、リポジトリ内のリリースノート（docs）は初回リリースの草稿で、公開告知ではないと書いています。

まとめ：EAGLE-4は今のところサーバー向け。PCでは今ある方法から

EAGLE-4はLLMの生成を速くするEAGLEシリーズの最新版ですが、2026年10月21日時点ではデータセンターのサーバー向けの部品です。

EAGLE-4の対応環境は今後変わる可能性があるため、最新の状況はGitHubのREADMEとdocsで確認してください。

2026年10月21日確認

更新履歴

• 2026年10月21日：公開

EAGLE-4についてよくある質問

EAGLE-4は無料で使えますか？

個人の非商用の利用は無償ですが、個人でも収益につながる使い方は商用扱いです。オープンソースではなく、商用利用には「競合製品でない」「売上の合計が連続12か月で2,000万米ドル以下」などの条件があります。ダウンロードや利用をした時点でライセンスに同意したことになります。

EAGLE-4は自分のPC（Windows・GeForce）で使えますか？

2026年10月21日時点で、公式の手順はLinuxとデータセンター向けのGPUだけで、Windowsで使う方法は用意されていません。GeForceでの動作や速さの記載もなく、公式手順の構成は重みだけで約62GB（計算値）のVRAMを使います。

EAGLE-4を使うとAIの答えは変わりますか？

投機的デコーディングは、最後に本体モデルが確かめるので、出力の分布は本体モデルのまま保つ仕組みです。ただし公式FAQは、計算の形が変わるため、投機なしのサーバーと完全に同じ出力になるとは限らないとしています。

EAGLE-4とMTPの違いは何ですか？

MTPは本体モデルに組み込まれた予測の層、EAGLE-4は別に用意する1層のドラフトモデルです。論文の測定（Qwen3.8-27B・B300を4枚・1件・温度0）では、EAGLE-4はMTPの1.62倍でした。LightSeekのTokenSpeedでの測定は1.37倍で、倍率は測り方で変わります。

LM StudioやOllamaでEAGLE-4は使えますか？

2026年10月21日時点で、LM Studio・Ollama・llama.cpp向けのEAGLE-4の公式の配布物は確認できません。LM Studioには小さなモデルで下書きする投機的デコーディングの機能があり、llama.cppはEAGLE-3とMTPの方式に対応しています。

X投稿の「961.6 tokens/s」と論文の数字が違うのはなぜですか？

961.6はTokenSpeedという推論エンジンで測った値で、論文の表の毎秒863.8トークンとは別の測定です。同じ表の中で通常デコードと比べた倍率は、論文の3.59倍です。