/ Модель

Характеристики

Контекст
262 144 токена
Параметры
1,9 млрд
Размер весов
18,2 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_4M

Генерация текстаТекст → текст15 профессий

Квантованная для MLX версия Nemotron-Cascade-2 от NVIDIA для диалогов, генерации текста и задач, требующих пошаговых рассуждений.

152скачиваний за 30 дней5лайковвеса 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/Nemotron-Cascade-2-30B-A3B-JANG_4M — квантованная версия NVIDIA Nemotron-Cascade-2-30B-A3B, подготовленная Jinho Jang с помощью открытого формата и движка JANG для MLX. Это языковая модель для диалогов и генерации текста с пошаговым режимом рассуждений и интерфейсом вызова инструментов. В основе — гибридная архитектура Nemotron-H: Mamba-2, смесь экспертов (MoE) и слои внимания; в README указаны 52 слоя и 128 экспертов с выбором шести. Квантование JANG_4M использует 4,1 бита и 8-битные веса внимания. Метаданные указывают 1,9 млрд параметров и контекст до 262 144 токенов.

Модель ориентирована на рассуждения, в том числе решение математических задач, а также на обычные диалоги и агентные сценарии. По результатам теста MMLU на 200 вопросах, приведённым автором карточки, она набрала 93% в режиме рассуждений; это результат собственного тестирования, а не независимая оценка. Для запуска нужны Apple Silicon с не менее чем 24 ГБ объединённой памяти и совместимая среда MLX, например MLX Studio или пакет JANG для MLX; обычные загрузчики MLX могут не поддерживать отображение весов этой архитектуры. В карточке указана лицензия «other», конкретные условия следует проверять у автора базовой модели и производной версии.

Сценарии применения

  • решение математических задач с пошаговым рассуждением
  • ответы на вопросы и ведение диалога
  • генерация текста с использованием инструментов
  • запуск языковой модели на Apple Silicon с ограниченной памятью

Ограничения

Для запуска требуется совместимая среда MLX и Apple Silicon с не менее чем 24 ГБ объединённой памяти; стандартные загрузчики могут не поддерживать формат JANG для этой архитектуры. Показатель MMLU приведён автором карточки по тесту на 200 вопросах и не является независимой оценкой; лицензия обозначена 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 17 GB. Nemotron-Cascade-2 achieves 88% MMLU with reasoning at just 17 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

  • 93.0% MMLU (200 questions, reasoning mode) — IMO Gold Medal model in 17 GB
  • 55 tok/s generation, 154 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
Speed55 tok/s———
Fits 24 GB?YESNONONO

JANG_2L is the only quantization that fits 24 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_2L (10 GB) — fits 16 GB Macs, 88% reasoning MMLU.

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 bits4.12 bpw
Disk size10.3 GB
GPU RAM10.3 GB (peak 11.1 GB)
Speed55 tok/s generation, 154 tok/s prefill

Requirements

  • Apple Silicon Mac with 24+ 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_4M")

# 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
e095396

0 моделей