/ Модель

Характеристики

Контекст
262 144 токена
Параметры
1,9 млрд
Размер весов
11 ГБ
Лицензия
Своя лицензия
Архитектура
nemotron_h · dense
Базовая модель
Nemotron-Cascade-2-30B-A3B
Библиотека
mlx
Опубликована
21 мар 2026

Nemotron-Cascade-2-30B-A3B-JANG_2L

Генерация текстаТекст → текст15 профессий

Квантованный вариант Nemotron-Cascade-2 для диалогов и сложных рассуждений, оптимизированный для запуска через MLX на Apple Silicon.

159скачиваний за 30 дней3лайкавеса 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 публикует Nemotron-Cascade-2-30B-A3B-JANG_2L — квантованный вариант NVIDIA Nemotron-Cascade-2-30B-A3B, подготовленный проектом JANG для запуска через MLX на Apple Silicon. Это языковая модель для диалогов, пошаговых рассуждений и задач с вызовом инструментов. В основе — гибридная архитектура Nemotron-H: Mamba-2, MoE и слои внимания; README указывает 52 слоя, включая 6 слоёв внимания. Метаданные сообщают о 1,9 млрд параметров и контексте до 262 144 токенов.

README заявляет размер файлов 10,3 ГБ, скорость генерации до 130 токенов в секунду и результат 88% на тесте MMLU из 200 вопросов в режиме рассуждений. Модель ориентирована на Mac с Apple Silicon и унифицированной памятью от 16 ГБ; для загрузки автор рекомендует MLX Studio или пакет JANG для MLX. Эти показатели приведены в карточке модели и зависят от оборудования и методики измерения. Лицензия указана как other, поэтому условия использования следует уточнить в репозитории. README называет представление JANG квантованием 2,3 бита с 8-битным вниманием, хотя метаданные перечисляют формат safetensors.

Сценарии применения

  • диалоговое решение сложных задач с пошаговыми рассуждениями
  • ответы на вопросы и тесты с выбором вариантов
  • запуск языковой модели на Mac с 16 ГБ унифицированной памяти
  • выполнение агентных запросов с передачей вызовов инструментам

Ограничения

Для запуска требуется Apple Silicon и совместимый загрузчик MLX/JANG; обычные LM Studio, Ollama и oMLX, согласно README, формат JANG не поддерживают. Заявленные показатели производительности и тестирования приведены автором модели, а лицензия обозначена только как other.

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

IMO Gold Medal reasoning in 10 GB. Nemotron-Cascade-2 achieves 88% MMLU with reasoning at just 10 GB — fits on 16 GB MacBooks. Hybrid Mamba-2 SSM + MoE + Attention. Only 6 KV cache attention layers = minimal memory at long context.

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

  • 88.0% MMLU (200 questions, reasoning mode) — IMO Gold Medal model in 10 GB
  • 130 tok/s generation, 112 tok/s prefill
  • 10.3 GB on disk, 10.3 GB GPU RAM (peak 11.1 GB)
  • Reasoning mode: <think>...</think> step-by-step problem solving
  • Tiny KV cache: only 6 attention layers, 0.2 GB at 32K context
  • Hybrid architecture: Mamba-2 SSM + MoE (128 experts, top-6) + Attention

Results: JANG vs MLX (200-question MMLU)

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

SubjectJANG_2L No-ThinkJANG_2L ReasoningJANG_4M No-ThinkJANG_4M ReasoningMLX 4-bit No-ThinkMLX 4-bit ReasoningMLX 6-bit No-ThinkMLX 6-bit Reasoning
Abstract Algebra4/2015/209/2019/208/2018/207/2019/20
Anatomy13/2017/2015/2019/2014/2018/2017/2019/20
Astronomy17/2019/2018/2020/2017/2019/2019/2020/20
College CS7/2017/2010/2018/2011/2017/2011/2017/20
College Physics13/2020/2014/2019/2015/2020/2014/2020/20
HS Biology16/2019/2018/2020/2018/2020/2018/2020/20
HS Chemistry12/2019/2014/2019/2013/2019/2017/2019/20
HS Mathematics8/2015/208/2018/2010/2019/208/2020/20
Logical Fallacies12/2018/2014/2016/2014/2017/2013/2017/20
World Religions16/2017/2018/2018/2018/2018/2018/2018/20
Total118/200 (59.0%)176/200 (88.0%)138/200 (69.0%)186/200 (93.0%)138/200 (69.0%)185/200 (92.5%)142/200 (71.0%)189/200 (94.5%)

Summary

JANG_2LJANG_4MMLX 4-bitMLX 6-bit
MMLU (no-think)59.0%69.0%69.0%71.0%
MMLU (reasoning)88.0%93.0%92.5%94.5%
Size10.3 GB17 GB16.6 GB23.9 GB
GPU RAM10.3 GB17 GB~17 GB~24 GB
Speed130 tok/s———
Fits 16 GB?YESNONONO

JANG_2L is the only quantization that fits 16 GB Macs while delivering 88% MMLU with reasoning. JANG_4M beats MLX 4-bit (93.0% vs 92.5%) at the same 17 GB size.

Also see: JANG_4M (17 GB) — same size as MLX 4-bit, higher reasoning score.

Specs

MetricValue
SourceNemotron-Cascade-2-30B-A3B
ArchitectureHybrid Mamba-2 SSM + MoE + Dense Attention
Layers52 (Mamba-2 + MoE + 6 Attention)
Experts128 per MoE layer, top-6 active (3B active params)
KV cache6 attention layers, 2 KV heads, 128 dim — 0.2 GB at 32K context
ProfileJANG_2L (CRITICAL=8, IMPORTANT=6, COMPRESS=2)
Average bits2.30 bpw
Disk size10.3 GB
GPU RAM10.3 GB (peak 11.1 GB)
Speed130 tok/s generation, 112 tok/s prefill

Requirements

  • Apple Silicon Mac with 16+ GB unified memory
  • MLX Studio or pip install "jang[mlx]>=2.1.5"

Quick Start

pip install "jang[mlx]>=2.1.5"
from jang_tools.loader import load_jang_model
from mlx_lm import generate

model, tokenizer = load_jang_model("JANGQ-AI/Nemotron-Cascade-2-30B-A3B-JANG_2L")

# With reasoning (recommended)
messages = [{"role": "user", "content": "Solve: what is the integral of x^2 * e^x?"}]
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

  • Mamba-2 SSM: Most layers use state-space models, enabling efficient long-context with minimal KV cache.
  • Only 6 attention layers: KV cache is tiny (0.2 GB at 32K). Most models use 25-100% attention layers.
  • nemotron_h architecture: Requires JANG loader for proper weight mapping. Standard mlx-lm has incomplete support.
  • IMO Gold Medal: This model achieves competition-level mathematical reasoning at 30B scale.

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
37deaa1

0 моделей