/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,1 млрд
Лицензия
MIT
Архитектура
qwen2 · dense
Опубликована
1 авг 2026

JiRackUltra_7b

Генерация текстаТекст → текст15 профессий

JiRack Ultra 7B — многоязычная текстовая модель для локальной генерации, диалогов и применения в RAG и агентных сценариях с оптимизацией для CPU.

64 268скачиваний за 30 дней2лайкавеса 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 7B — текстовая генеративная модель компании CMSManhattan для локального и облачного запуска, в том числе на процессорах с ограниченной памятью. Она основана на плотной архитектуре Qwen2 и насчитывает 7,1 млрд параметров; автор описывает рефакторинг с элементами BitNet и токенизатором JiRack, расширенным тегами для маршрутизации запросов, вызова инструментов и робототехники. Доступны веса Safetensors и варианты GGUF, включая Q2_K–Q8_0; карточка указывает контекст до 131 072 токенов и чат-возможности.

Модель предназначена для диалоговой генерации, использования в RAG-системах как экспертной модели, а также для сценариев с агентами и вызовом инструментов. README также упоминает задачи кодирования, мультимедиа и робототехники, однако метаданные подтверждают только text-generation и текстовый ввод-вывод, поэтому специальные мультимодальные возможности из этих упоминаний не следуют. Указана поддержка языков от английского и китайского до русского, японского, корейского и ряда других.

Автор заявляет оптимизацию инференса на CPU и возможность запуска через llama.cpp и Ollama; фактическая скорость и качество зависят от оборудования и выбранной квантизации. Весам назначена лицензия MIT, разрешающая коммерческое использование; Docker-образ, UI-клиенты и готовые продукты для Ollama могут иметь отдельные коммерческие условия.

Сценарии применения

  • диалоговый ассистент для локального запуска на CPU
  • ответы на вопросы по внутренним документам в RAG-системе
  • генерация текста на русском и других поддерживаемых языках
  • агентные сценарии с вызовом инструментов
  • подбор компактной GGUF-квантизации для системы с ограниченной памятью

Ограничения

README описывает теги для мультимедиа, зрения и робототехники, но метаданные подтверждают только текстовую генерацию; эти теги сами по себе не подтверждают поддержку соответствующих модальностей. Требования к памяти и скорость зависят от квантизации, длины контекста и оборудования.

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 7B (CPU)

A fast and efficient 7B 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 -7B 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_7b/blob/main/QAT_to_Llama.cpp_GGUF_TQ2_0.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

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 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-7b-cpu:latestFull28.1 GB~12.2 GBFull precision reference
cmsmanhattan/jirack-ultra-7b-cpu-q4:latestQ4_K_M10.1 GB~4.8 GBRecommended balance
cmsmanhattan/jirack-ultra-7b-cpu-q3:latestQ3_K_M8.42 GB~4.0 GBGood quality / size trade-off
cmsmanhattan/jirack-ultra-7b-cpu-q2:latestQ2_K6.81 GB~3.2 GBMaximum compression

Quick Start

Run with Docker

Default CPU (Q4 recommended)

docker run -d \
  --name jirack_ultra_7b \
  -p 7869:7869 \
  --restart unless-stopped \
  cmsmanhattan/jirack-ultra-7b-cpu-q4:latest

Q3

docker run -d \
  --name jirack_ultra_7b \
  -p 7869:7869 \
  --cpus=16 \
  -e THREADS=16 \
  -e THREADS_BATCH=16 \ 
  --restart unless-stopped \
  cmsmanhattan/jirack-ultra-7b-cpu-q3:latest

Q2 (lowest memory)

docker run -d \
  --name jirack_ultra_7b \
  -p 7869:7869 \
  --cpus=16 \
  -e THREADS=16 \
  -e THREADS_BATCH=16 \ 
  --restart unless-stopped \
  cmsmanhattan/jirack-ultra-7b-cpu-q2:latest

Full precision

docker run -d \
  --name jirack_ultra_7b \
  -p 7869:7869 \
  --cpus=16 \
  -e THREADS=16 \
  -e THREADS_BATCH=16 \ 
  --restart unless-stopped \
  cmsmanhattan/jirack-ultra-7b-cpu:latest

Multi CPU

docker run -d \
  --name jirack_ultra_7b \
  -p 7869:7869 \
  --cpus=16 \
  -e THREADS=16 \
  -e THREADS_BATCH=16 \ 
  --restart unless-stopped \
  --memory=16g \
  --cpus=8 \
  cmsmanhattan/jirack-ultra-7b-cpu-q4:latest

Docker Compose Example

services:
  jirack:
    image: cmsmanhattan/jirack-ultra-7b-cpu-q4:latest
    container_name: jirack_ultra_7b
    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: 16g

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 7B 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.

Hardware Recommendations

Recommended Hardware for JiRack Ultra 7B (single Docker container)

Use CaseCPURAMRecommended QuantExpected SpeedRecommendation
RecommendedRyzen 7 / Intel i716 GBQ4_K_MGood interactiveBest choice
High PerformanceRyzen 9 / Intel i924–32 GBFull / Q4ExcellentExcellent
Low MemoryModern 6+ core CPU8–12 GBQ3_K_M or Q2_KUsableAcceptable
Edge / MinimalLaptop CPU8 GBQ2_KAcceptableBudget option

Important Memory Notes

Even though the quantized 7B models are small, we recommend the following for best experience:

  • Q4_K_M: 8–12 GB system RAM minimum
  • Q3_K_M / Q2_K: 6–10 GB system RAM
  • Full precision: 16 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): 12 GB system RAM
Ideal: 16–24 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: Qwen2.5-7B style (Hidden 3584, 28 layers, GQA 28/4, vocab 152064)
  • 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
5d61b53

0 моделей