/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,5 млрд
Лицензия
MIT
Архитектура
qwen2 · dense
Опубликована
2 авг 2026

JiRackUltra_1b

Генерация текстаТекст → текст15 профессий

Компактная модель CMSManhattan семейства Qwen2 для генерации текста и диалогов на CPU, включая локальное применение и RAG-сценарии.

2,5 млнскачиваний за 30 дней8лайковвеса обновлены4 окт 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

JiRack Ultra 1B — компактная языковая модель CMSManhattan для генерации текста и диалогов, рассчитанная на запуск на CPU. По метаданным, это плотная causal language model семейства Qwen2 с 1,5 млрд параметров и контекстом до 131 072 токенов. В README заявлены переработанная архитектура с элементами BitNet и тернарного представления, а также токенизатор JiRack Precision с тегами для маршрутизации запросов, вызова инструментов и робототехники; подтверждённая метаданными задача — генерация текста, а capabilities указывают на поддержку чата.

Модель предназначена для локального и облачного CPU-инференса, диалоговых приложений и использования как экспертная модель в RAG-системах. README описывает варианты GGUF-квантизации и упоминает сервер на ONNX и интеграции с Ollama, однако поддержку Ollama для production автор ещё называет находящейся в разработке. Метаданные перечисляют языки от английского и китайского до русского, японского, корейского, арабского и ряда европейских и азиатских языков; данных о приоритетном языке нет.

Веса выпущены под лицензией MIT, допускающей коммерческое использование, изменение и распространение. Указанные в README коммерческие условия относятся отдельно к Docker-образу, интерфейсу и готовым сборкам Ollama. Размер модели и варианты квантизации рассчитаны на малый объём памяти, но фактические требования зависят от длины контекста и накладных расходов KV-кэша.

Сценарии применения

  • ответы в диалоговом интерфейсе на локальном CPU
  • генерация текста на компьютере с ограниченной памятью
  • использование небольшой языковой модели как эксперта в RAG-системе
  • многоязычный чат на английском, русском и других поддерживаемых языках
  • маршрутизация запросов и вызов инструментов в агентных приложениях

Ограничения

Заявления README о маршрутизации, робототехнике и вызове инструментов не подтверждены отдельными pipeline-задачами в метаданных. Потребление памяти растёт с длиной контекста; готовые сборки Docker, Ollama и UI имеют отдельные коммерческие условия.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

JiRack Ultra 1B (CPU)

A fast and efficient ~1.5B model optimized for CPU inference. The model was refactored with BitNet features and an updated tokenizer that includes new Routing, Tool call, and Robotics tags. Built on a redesigned DeepSeek R1 architecture with native ternary (BitNet-style) support and ready-to-run GGUF quantizations.

  • JiRack is a cloud-ready model that helps save money on cloud infrastructure. It can be used as an expert model in RAG deployments, with the ONNX JiRack Java server as an alternative.

JiRack Ternary Architedure & JiRack Tokenizer

  • Benefits high quality CPU inference TQ_2 on Llama.cpp and Ollama via QAT
  • Robotcs, Routing, Coding, Multimedia, Advanced tool calling via CMSManhattan/JiRackPrecisionTokenizer

PARTNERSHIP

  • NVIDIA
  • FISERV

Ollama production support

  • We are working to support JiRack on Ollama for production systems also
  • added Jirack chat without reasoning feature https://ollama.com/cmsmanhattan
  • Follow fresh Ollama platform updates

JiRack sevice options

  • Current quantizations were done from the FP16 model, but the model allows for more compression thanks to its ternary architecture.
  • If you need to do ternary compression, please write to me and I'll perform QAT from your dataset, tailored specifically to your task.
  • Plus double QAT via ONNX QAT.
  • Adapt train process to avoid catastrophic forgetting with NDA
  • Adapt train process to avoid fast plato in training with NDA
  • Convert model to TQ2_0 with support AVX2 and AVX-512 CPU instructions for high performance on CPU
  • QAT for TQ_2 Llama.cpp Ternarization docs https://huggingface.co/CMSManhattan/JiRackUltra_1b/blob/main/QAT_to_Llama.cpp_GGUF_TQ2_0_JirackUltra_1b.md
  • Adapts to agentic or instruct models for tool calling, using the JiRak tokenizer to enable high-quality tool calling on small models — built as a domain-specific tool expert.
  • Deployment and scale

JiRack Codding Agent IDE

Spring Boot AI tool calls examples for JiRack Ultra series

GoEx AI tool calls examples for JiRack Ultra series

JiRack Ultra 1 tool calls to boost tool call quality

JiRack RoboTech

Export to ONNX

Available Variants

TagQuantSizeApprox. RAMDescription
cmsmanhattan/jirack-ultra-1b-cpu:latestFull0.55 GB~1.8 GBFull ternary reference
cmsmanhattan/jirack-ultra-1b-cpu-q4:latestQ4_K_M0.38 GB~1.4 GBRecommended balance
cmsmanhattan/jirack-ultra-1b-cpu-q3:latestQ3_K_M0.31 GB~1.2 GBGood quality / size trade-off
cmsmanhattan/jirack-ultra-1b-cpu-q2:latestQ2_K0.24 GB~1.0 GBMaximum compression

Quick Start

Run with Docker

Default CPU (Q4 recommended)

docker run -d \
  --name jirack_ultra_1b \
  -p 7869:7869 \
  --cpus=16 \
  -e THREADS=16 \
  -e THREADS_BATCH=16 \ 
  --restart unless-stopped \
  cmsmanhattan/jirack-ultra-1b-cpu-q4:latest

Q3

docker run -d \
  --name jirack_ultra_1b \
  -p 7869:7869 \
  --cpus=16 \
  -e THREADS=16 \
  -e THREADS_BATCH=16 \ 
  --restart unless-stopped \
  cmsmanhattan/jirack-ultra-1b-cpu-q3:latest

Q2 (lowest memory)

docker run -d \
  --name jirack_ultra_1b \
  -p 7869:7869 \
  --cpus=16 \
  -e THREADS=16  \
  -e THREADS_BATCH=16 \ 
  --restart unless-stopped \
  cmsmanhattan/jirack-ultra-1b-cpu-q2:latest

Full precision

docker run -d \
  --name jirack_ultra_1b \
  -p 7869:7869 \
  --cpus=16  \
  -e THREADS=16 \
  -e THREADS_BATCH=16 \ 
  --restart unless-stopped \
  cmsmanhattan/jirack-ultra-1b-cpu:latest

Multi CPU

docker run -d \
  --name jirack_ultra_1b \
  -p 7869:7869 \
  --cpus=16 \
  -e THREADS=16 \
  -e THREADS_BATCH=16 \ 
  --restart unless-stopped \
  --memory=4g \
  --cpus=4 \
  cmsmanhattan/jirack-ultra-1b-cpu-q4:latest

Docker Compose Example

services:
  jirack:
    image: cmsmanhattan/jirack-ultra-1b-cpu-q4:latest
    container_name: jirack_ultra_1b
    ports:
      - "7869:7869"
    volumes:
      - .:/app
      - ./web:/app/web
    environment:
      - MAX_TOKENS=2048
      - TEMPERATURE=0.7
      - TOP_P=0.9
      - DEFAULT_STREAM=False
      - INTRA_THREADS=4
      - USE_ENV_ALLOCATOR=1
      - THREADS=16 
      - THREADS_BATCH=16 
    deploy:
      resources:
        limits:
          memory: 4g

Access the UI

Once the container is running, open your browser and navigate to: http://localhost:7869 This opens the JiRack UI — a clean web interface.

Changing the Port

The listening port can be easily modified directly from the Settings panel within the JiRack UI.

Licensing

  • Model weights are released under the MIT License — free to use, modify, and distribute for any purpose, including commercial. No royalties, no per-user fees, no subscription.
  • The Docker image with UI and the pre-built Ollama quantizations are separate paid products. If you prefer to build your own secure deployment — take the weights, assemble your own stack, and you're done.
  • The JiRack Ultra 1B model for Docker and Ollama is provided under a commercial license ($12 per user per year).
  • All JiRack UI clients are provided under a commercial license.
  • However, the UI clients can be used for free when running together with the official JiRack Docker containers, as long as they are not redistributed separately. For commercial licensing, cluster deployment, or enterprise use of JiRack models, please contact us.
  • JiRack MS Windows 11 Desktop Client (with Ollama API): https://huggingface.co/kgrabko/JiRackTernary_1b/resolve/main/jirack-chat.zip
  • Live email chat with the model: support@cmsmanhattan.com

Hardware Recommendations

Recommended Hardware for JiRack Ultra 1B (single Docker container)

Use CaseCPURAMRecommended QuantExpected SpeedRecommendation
RecommendedRyzen 5 / Intel i54–8 GBQ4_K_MExcellent interactiveBest choice
High PerformanceRyzen 7 / Intel i78–16 GBFull / Q4ExcellentExcellent
Low MemoryModern 4+ core CPU2–4 GBQ3_K_M or Q2_KUsableAcceptable
Edge / MinimalLaptop / SBC CPU2 GBQ2_KAcceptableBudget option

Important Memory Notes

Even though the quantized 1B models are very small, we recommend the following for best experience:

  • Q4_K_M: 2–4 GB system RAM minimum
  • Q3_K_M / Q2_K: 1.5–3 GB system RAM
  • Full precision: 3–4 GB+ system RAM recommended Reasons for extra headroom:
  • KV-cache consumption during generation
  • Runtime overhead and temporary buffers
  • System stability and avoiding out-of-memory errors
  • Room for larger context windows Minimum recommended (Q4): 2–3 GB system RAM Ideal: 4–8 GB system RAM I added the default model in full precision. This serves as the base for quantization, allowing us to find the optimal balance between model size and performance.

Architecture Notes

  • Refactored with BitNet features: Native BitLinear ternary path (b1.58-style) with λ-warmup STE
  • Updated tokenizer: Extended with new special tags for Routing, Tool call, and Robotics
  • Base: Redesigned Llama-3.2-1B style (Hidden 2048, Intermediate 8192, 16 layers, GQA 32/8, vocab 128256)
  • RoPE θ = 10000, RMSNorm ε = 1e-6
  • Ready-to-run GGUF quantizations (Q2_K, Q3_K_M, Q4_K_M)

ROBOS HUMANOID Project

📧 Contact & Licensing

For joint venture opportunities, hardware integration, or licensing inquiries:

License

MIT License

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
78b791b

0 моделей