/ Модель

Характеристики

Контекст
131 072 токена
Параметры
32 млрд
Лицензия
MIT
Архитектура
qwen2 · dense
Опубликована
3 авг 2026

JiRackUltra_32b

Генерация текстаТекст → текст15 профессий

JiRack Ultra 32B — 32-миллиардная диалоговая языковая модель для генерации текста, RAG и агентных сценариев, оптимизированная для запуска на CPU.

62 764скачиваний за 30 дней1лайквеса 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 32B — плотная языковая модель на 32 млрд параметров от CMSManhattan, предназначенная для локального и облачного запуска на CPU. По карточке, модель основана на архитектуре DeepSeek R1-32B; метаданные указывают архитектуру Qwen2 и класс Qwen2ForCausalLM. Это расхождение не позволяет точнее установить происхождение весов. Модель использует токенизатор JiRack с тегами для маршрутизации, мультимедиа, зрения, звука, вызова инструментов и робототехники, однако заявленные теги сами по себе не подтверждают обработку соответствующих модальностей.

Модель предназначена для диалоговой генерации текста, использования в RAG-системах и агентных сценариях с вызовом инструментов; также разработчик описывает применение в программировании и робототехнике. Доступны веса safetensors и GGUF-квантизации от Q2_K до Q8_0. Заявленное родное окно контекста — 131 072 токена. Карточка перечисляет поддержку английского, китайского, японского, корейского, французского, испанского, португальского, немецкого, итальянского, русского, арабского, вьетнамского и тайского языков.

Для работы с полной точностью требуется около 64 ГБ или более оперативной памяти; для Q4_K_M разработчик рекомендует 24–32 ГБ. Качество, производительность и аппаратная совместимость не подтверждены независимыми оценками в карточке. Веса распространяются по лицензии MIT, но Docker-образ, интерфейс и готовые Ollama-квантизации могут требовать отдельной коммерческой лицензии.

Сценарии применения

  • ответы на вопросы по внутренним документам в RAG-системе
  • локальный диалоговый помощник на CPU
  • генерация и объяснение программного кода
  • вызов инструментов в агентных приложениях
  • развёртывание текстового помощника в облаке

Ограничения

Для полной версии требуется около 64 ГБ оперативной памяти, а даже рекомендуемая Q4_K_M требует 24–32 ГБ. README заявляет поддержку инструментов и дополнительных токенов для мультимодальных сценариев, но метаданные подтверждают только генерацию текста; независимые результаты оценки качества не приведены.

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 32B (CPU)

A fast and efficient 32B model optimized for CPU inference. The model was refactored with BitNet features and an updated tokenizer that includes new Routing, Media, Vision, Sound, Tool call, and Robotics tags. Built on a DeepSeek R1-32B 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

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_32b/blob/main/QAT_to_Llama.cpp_GGUF_TQ2_0_JirackUltra_32b.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

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

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-32b-cpu:latestFull~65 GB~64–72 GBFull precision reference
cmsmanhattan/jirack-ultra-32b-cpu-q4:latestQ4_K_M~19.5 GB~20–28 GBRecommended balance
cmsmanhattan/jirack-ultra-32b-cpu-q3:latestQ3_K_M~16.2 GB~17–24 GBGood quality / size trade-off
cmsmanhattan/jirack-ultra-32b-cpu-q2:latestQ2_K~13.1 GB~14–20 GBMaximum compression

Quick Start

Run with Docker

  • 32 B docker can be provided by request .
  • Build docker on local from source or request fro me

Default CPU (Q4 recommended)

docker run -d \
  --name jirack_ultra_32b \
  -p 7869:7869 \
  --restart unless-stopped \
  cmsmanhattan/jirack-ultra-32b-cpu-q4:latest

Q3

docker run -d \
  --name jirack_ultra_32b \
  -p 7869:7869 \
  --cpus=16 \
  -e THREADS=16 \
  -e THREADS_BATCH=16 \
  --restart unless-stopped \
  cmsmanhattan/jirack-ultra-32b-cpu-q3:latest

Q2 (lowest memory)

docker run -d \
  --name jirack_ultra_32b \
  -p 7869:7869 \
  --cpus=16 \
  -e THREADS=16 \
  -e THREADS_BATCH=16 \
  --restart unless-stopped \
  cmsmanhattan/jirack-ultra-32b-cpu-q2:latest

Full precision

docker run -d \
  --name jirack_ultra_32b \
  -p 7869:7869 \
  --cpus=16 \
  -e THREADS=16 \
  -e THREADS_BATCH=16 \
  --restart unless-stopped \
  cmsmanhattan/jirack-ultra-32b-cpu:latest

Multi CPU

docker run -d \
  --name jirack_ultra_32b \
  -p 7869:7869 \
  --cpus=16 \
  -e THREADS=16 \
  -e THREADS_BATCH=16 \
  --restart unless-stopped \
  --memory=32g \
  --cpus=8 \
  cmsmanhattan/jirack-ultra-32b-cpu-q4:latest

Docker Compose Example

services:
  jirack:
    image: cmsmanhattan/jirack-ultra-32b-cpu-q4:latest
    container_name: jirack_ultra_32b
    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: 32g

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 32B 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 32B (single Docker container)

Use CaseCPURAMRecommended QuantExpected SpeedRecommendation
RecommendedRyzen 9 / Intel i9 / Xeon32–48 GBQ4_K_MGood interactiveBest choice
High PerformanceHigh-core server CPU64 GB+Full / Q4ExcellentExcellent
Low MemoryModern 12+ core CPU24–32 GBQ3_K_M or Q2_KUsableAcceptable
Edge / MinimalStrong workstation CPU24 GBQ2_KAcceptableBudget option

Important Memory Notes

Even though the quantized 32B models are relatively compact for their size, we recommend the following for best experience:

  • Q4_K_M: 24–32 GB system RAM minimum
  • Q3_K_M / Q2_K: 20–28 GB system RAM
  • Full precision: 64 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): 24 GB system RAM
    Ideal: 32–48 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: DeepSeek-R1-Distill-Qwen-32B / Qwen2.5-32B style
    (Hidden 5120, 64 layers, GQA 40/8, intermediate 27648, vocab 152064)
  • RoPE θ = 1 000 000, RMSNorm ε = 1e-5
  • 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
1e5be0a

0 моделей