Характеристики

Контекст: 262 144 токена
Размер весов: 28,2 ГБ
Лицензия: MIT
Архитектура: qwen3_5_moe · dense
Базовая модель: Ornith-1.0-35B
Библиотека: mlx
Опубликована: 27 июн 2026

Ссылки

Hugging Face

Ornith-1.0-35B-JANG_6M

JANGQ-AI

Изображение и текст → текст5 профессий

Квантизированная мультимодальная модель на базе Ornith-1.0-35B для диалога и ответов на вопросы по изображениям.

88скачиваний 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/Ornith-1.0-35B-JANG_6M — мультимодальная модель для диалога с изображениями, основанная на Ornith-1.0-35B от DeepReinforce. Она предназначена для сценариев, где нужно задавать вопросы по изображениям и получать текстовые ответы. Архитектура семейства Qwen3.5 MoE сочетает 30 слоёв Gated-DeltaNet и 10 слоёв полного внимания; в текстовой части 256 маршрутизируемых экспертов и скрытая размерность 2048. Визуальный энкодер сохранён в fp16.

Это вариант JANG_6M с 8-битным вниманием и 6-битными маршрутизируемыми экспертами, смешанной точностью и размером группы 64; заявленный размер — около 26 ГБ. Для запуска требуется MLX Studio или среда vMLX: стандартный mlx_lm некорректно загружает этот формат. Модель распространяется по лицензии MIT.

Сценарии применения

ответы на вопросы по изображению
описание содержимого фотографии
визуальный диалог с пользователем
анализ изображения с текстовыми инструкциями

Ограничения

Для загрузки требуется MLX Studio или среда vMLX; стандартный mlx_lm не поддерживает корректную загрузку этого JANG-бандла. README не сообщает поддерживаемые языки или результаты оценки качества.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель

Также подходит для

I.4Обработка документов и форм

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Ornith-1.0-35B · JANG_6M

Vision-language · Qwen3.5 hybrid backbone · 6-bit near-lossless mixed precision · ~26 GB

⚠️ Requires MLX Studio (or the vMLX runtime) to run. Standard mlx_lm cannot load JANG bundles correctly — they store the Qwen3.5 RMSNorm un-shifted and rely on the runtime's +1 scale_shift + per-layer bit detection. MLX Studio includes the JANG loader.

JANG_6M = 8-bit attention + 6-bit routed experts (affine mixed precision, group-size 64); vision tower kept fp16. A near-lossless JANG profile from JANGQ-AI.

Architecture


Family	`qwen3_5_moe` (hybrid)
Text layers	40 — 30 Gated-DeltaNet + 10 full-attention
MoE / dims	256 routed experts (stacked switch_mlp) · hidden 2048
Vision	ViT tower (`model.visual`) preserved fp16
Cache	hybrid (GDN state + KV for attention layers)
Parsers	reasoning `qwen3` · tools `qwen`

Provenance

Quantization: JANG · JANG_6M (8-bit attention + 6-bit routed experts, group-size 64; vision tower fp16) · eric@jangq.ai

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: Qwen3_5MoeForConditionalGeneration
Ревизия весов: 64e7b9b