/ Модель

Характеристики

Контекст
262 144 токена
Параметры
6,6 млрд
Размер весов
67,2 ГБ
Лицензия
Своя лицензия
Архитектура
nemotron_h · dense
Базовая модель
NVIDIA-Nemotron-3-Super-120B-A12B-FP8
Библиотека
mlx
Опубликована
20 мар 2026

Nemotron-3-Super-120B-A12B-JANG_4M

Генерация текстаТекст → текст10 профессий

Квантованный вариант Nemotron-3-Super для генерации диалогового текста и рассуждений на Apple Silicon через MLX.

164скачиваний за 30 дней0лайковвеса обновлены8 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

JANGQ-AI представляет квантованный вариант NVIDIA Nemotron-3-Super-120B-A12B для запуска на Apple Silicon через MLX. Модель использует гибридную архитектуру Mamba-2, Latent MoE и плотного внимания; карточка указывает 6,6 млрд параметров, а README описывает 88 слоёв: 40 Mamba-2, 40 MoE и 8 слоёв внимания. Формат JANG_4M заявлен как 4,1-битный с 8-битной защитой внимания; размер файлов — около 63 ГБ. Контекст составляет 262 144 токена.

Модель предназначена для диалоговой генерации текста и задач рассуждения. В README приводятся результаты MMLU 93,0% в режиме рассуждения на тесте из 200 вопросов, а также скорость генерации 55,1 токена в секунду; эти показатели заявлены автором и зависят от условий тестирования. Запуск рассчитан на Mac с Apple Silicon и не менее 64 ГБ объединённой памяти через MLX Studio или библиотеку jang для MLX; карточка заявляет интерфейс вызова инструментов.

Базовая модель указана как nvidia/NVIDIA-Nemotron-3-Super-120B-A12B-FP8, а лицензия обозначена как other, поэтому перед использованием следует проверить её условия в карточке модели. README предупреждает, что формат JANG не поддерживают LM Studio, Ollama и oMLX; для запуска нужны совместимые инструменты и значительный объём памяти. Основные языки по метаданным — английский, китайский и корейский.

Сценарии применения

  • диалоговые ответы и объяснения
  • пошаговое решение задач с включённым режимом рассуждения
  • ответы на вопросы общего назначения
  • локальный запуск большой языковой модели на Mac с Apple Silicon

Ограничения

Для запуска требуется Mac с Apple Silicon и не менее 64 ГБ объединённой памяти, а также совместимое ПО MLX/JANG; LM Studio, Ollama и oMLX формат JANG не поддерживают. Результаты MMLU и скорости приведены в README для ограниченного теста и зависят от условий запуска.

Для каких профессий подходит10

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

93% MMLU at same size as MLX 4-bit. JANG_4M matches MLX 4-bit quality with 8-bit attention protection. Hybrid Mamba-2 SSM + Latent MoE + Attention.

LM Studio, Ollama, oMLX do NOT support JANG format. Use MLX Studio or `pip install "jang[mlx]>=2.1.5"`.



JANG is fully open-source. Quantization engine, research, and full commit history: github.com/jjang-ai/jangq. Created by Jinho Jang.

Key Features

  • 93.0% MMLU (200 questions, reasoning mode) — matches MLX 4-bit at same size
  • 55.1 tok/s generation, 154 tok/s prefill
  • 63 GB on disk, 61.2 GB GPU RAM
  • Reasoning mode: `...` step-by-step problem solving
  • Hybrid architecture: 40 Mamba-2 SSM + 40 Latent MoE (512 experts) + 8 Dense Attention layers
  • bfloat16 compute: auto-detected for 512-expert models

Results: JANG vs MLX (200-question MMLU)

Per-subject comparison. All models tested with and without reasoning using identical methodology.

SubjectJANG_4M No-ThinkJANG_4M ReasoningJANG_2L No-ThinkJANG_2L ReasoningMLX 4-bit No-ThinkMLX 4-bit Reasoning
Abstract Algebra10/2019/2012/2016/209/2019/20
Anatomy15/2018/2015/2017/2014/2018/20
Astronomy19/2019/2019/2019/2019/2019/20
College CS13/2017/2013/2015/2014/2017/20
College Physics14/2019/2014/2018/2013/2020/20
HS Biology19/2020/2019/2018/2018/2020/20
HS Chemistry15/2018/2015/2016/2016/2019/20
HS Mathematics6/2018/208/2018/206/2018/20
Logical Fallacies17/2019/2017/2018/2017/2018/20
World Religions17/2019/2018/2017/2016/2019/20
Total145/200 (72.5%)186/200 (93.0%)150/200 (75.0%)172/200 (86.0%)142/200 (71.0%)187/200 (93.5%)

Summary

JANG_4MJANG_2LMLX 4-bitMLX 3-bit
MMLU (no-think)72.5%75.0%71.0%Crashes
MMLU (reasoning)93.0%86.0%93.5%Crashes
Size63 GB43 GB63 GBN/A
GPU RAM61.2 GB42.4 GB63.3 GBN/A
Speed55.1 tok/s51.6 tok/s59.8 tok/sN/A
Fits 64 GB?YESYESYESN/A

JANG_4M nearly ties MLX 4-bit (93.0% vs 93.5%) at the same 63 GB size with 8-bit attention protection. MLX 3-bit cannot be created — `mlx_lm.convert` crashes on Nemotron's mtp.* weights. Only JANG can produce sub-4-bit quantizations.

Also see: JANG_2L (43 GB) — 20 GB smaller, fits 64 GB Macs, 75% no-think / 86% reasoning.

Specs

MetricValue
SourceNVIDIA-Nemotron-3-Super-120B-A12B-FP8
ArchitectureHybrid Mamba-2 SSM + Latent MoE + Dense Attention
Layers88 (40 Mamba-2 + 40 MoE + 8 Attention)
Experts512 per MoE layer, top-22 active (12B active params)
ProfileJANG_4M (CRITICAL=8, IMPORTANT=4, COMPRESS=4)
Average bits4.10 bpw
Disk size63 GB
GPU RAM61.2 GB (peak 66 GB)
Speed55.1 tok/s generation, 154 tok/s prefill
Computebfloat16 (auto-detected)

Requirements

  • Apple Silicon Mac with 64+ GB unified memory
  • MLX Studio or `pip install "jang[mlx]>=2.1.5"`

Quick Start

```bash pip install "jang[mlx]>=2.1.5" ```

```python from jang_tools.loader import load_jang_model from mlx_lm import generate

model, tokenizer = load_jang_model("JANGQ-AI/Nemotron-3-Super-120B-A12B-JANG_4M")

With reasoning

messages = [{"role": "user", "content": "Explain quantum computing."}] prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True, enable_thinking=True) result = generate(model, tokenizer, prompt=prompt, max_tokens=2048)

Without reasoning (faster)

prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True, enable_thinking=False) result = generate(model, tokenizer, prompt=prompt, max_tokens=100) ```

Technical Notes

  • Latent MoE: Nemotron-H compresses hidden states 4096→1024 before expert routing. JANG loader handles this automatically.
  • bfloat16: Auto-detected for 512-expert models. Prevents float16 overflow. Zero quality impact.
  • trust_remote_code: Custom Python files included (modeling_nemotron_h.py, configuration_nemotron_h.py).

한국어

Nemotron-3-Super-120B JANG_4M — MLX 4-bit과 동일한 크기(63 GB)에서 93% MMLU 달성.

JANG_4MJANG_2LMLX 4-bit
MMLU (추론 없음)72.5%75.0%71.0%
MMLU (추론 포함)93.0%86.0%93.5%
크기63 GB43 GB63 GB
속도55.1 tok/s51.6 tok/s59.8 tok/s

```bash pip install "jang[mlx]>=2.1.5" ```

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
NemotronHForCausalLM
Ревизия весов
d7cfad0

0 моделей