/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
121 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe · dense
Базовая модель
Qwen3.5-397B-A17B
Библиотека
mlx
Опубликована
20 мар 2026

Qwen3.5-397B-A17B-JANG_1L

Генерация текстаТекст → текст13 профессий

Смешанно-квантизированная версия Qwen3.5-397B-A17B для генерации текста, рассуждений и анализа изображений на Mac с Apple Silicon через MLX.

125скачиваний 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/Qwen3.5-397B-A17B-JANG_1L — версия Qwen3.5-397B-A17B, подготовленная Jinho Jang с применением адаптивной смешанной квантизации JANG для запуска через MLX на компьютерах Mac с Apple Silicon. Модель имеет архитектуру MoE с гибридом GatedDeltaNet и полнослойного внимания: из 397 млрд параметров активны около 17 млрд, используются 512 экспертов на слой и top-10 активных экспертов. Профиль JANG_1L хранит экспертные MLP в 2-битном формате, а внимание, маршрутизаторы и эмбеддинги — в 8-битном; размер файлов составляет около 112 ГБ.

Модель предназначена для диалогов, генерации текста и пошаговых рассуждений, а также анализа изображений. В карточке заявлена поддержка VLM и режима reasoning; приведён результат 86,5% на тесте MMLU из 200 вопросов при включённом reasoning, а также скорости генерации и обработки изображений. Для запуска требуется Mac с Apple Silicon и не менее 128 ГБ объединённой памяти, а также MLX Studio или пакет jang[mlx] версии 2.1.5 и выше. Лицензия — Apache-2.0.

Это сильно сжатая производная базовой модели, поэтому качество может отличаться от исходной модели и других профилей квантизации; опубликованный результат MMLU основан на ограниченном наборе вопросов. Указанная конфигурация ориентирована на MLX и Apple Silicon, а карточка сообщает о несовместимости формата JANG с LM Studio, Ollama и oMLX.

Сценарии применения

  • диалоговый помощник с пошаговым рассуждением
  • ответы на вопросы и решение задач с включённым reasoning
  • анализ изображений в мультимодальном чате
  • запуск крупной MoE-модели локально на Mac с 128 ГБ памяти

Ограничения

Для запуска требуется Mac с Apple Silicon и не менее 128 ГБ объединённой памяти, а также поддерживающее JANG ПО на базе MLX; карточка заявляет, что формат не поддерживают LM Studio, Ollama и oMLX. Профиль с 2-битными экспертными MLP может уступать исходной модели по качеству, а показатель MMLU приведён для теста всего из 200 вопросов.

Для каких профессий подходит13

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

397B intelligence on a 128 GB Mac. This model fits in 112 GB — the first 397B quantization that runs on M4 Pro/Max 128 GB machines. Uses reasoning mode for 86.5% MMLU accuracy.

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

  • 86.5% MMLU (200 questions, reasoning mode) — 397B on 128 GB Macs
  • 36.1 tok/s generation, 96 tok/s prefill
  • 112 GB on disk, 110 GB GPU RAM (peak 120 GB)
  • Reasoning mode: <think>...</think> step-by-step problem solving
  • Vision (VLM): 333 vision tensors, 31.6 tok/s image processing
  • bfloat16 compute: auto-detected for 512-expert models

Results: JANG_1L vs MLX 4-bit (200-question MMLU)

Per-subject comparison across all modes. Both JANG and MLX 4-bit tested with and without reasoning.

SubjectJANG No-ThinkJANG ReasoningMLX 4-bit No-ThinkMLX 4-bit Reasoning
Abstract Algebra8/2010/2010/2017/20
Anatomy17/2019/2018/2019/20
Astronomy20/2020/2019/2019/20
College CS17/2018/2015/2018/20
College Physics17/2018/2015/2019/20
HS Biology19/2020/2019/2019/20
HS Chemistry17/2018/2017/2019/20
HS Mathematics8/2010/2012/2019/20
Logical Fallacies20/2020/2019/2020/20
World Religions19/2020/2019/2019/20
Total162/200 (81.0%)173/200 (86.5%)163/200 (81.5%)188/200 (94.0%)

Summary

JANG_1LJANG_2LMLX 4-bitMLX 2/3-bit
MMLU (no-think)81.0%79.5%81.5%NaN -- cannot run
MMLU (reasoning)86.5%92.0%94.0%NaN -- cannot run
Size112 GB187 GB209 GBN/A
GPU RAM110 GB184 GB~210 GBN/A
Speed36.1 tok/s36.0 tok/s~36 tok/sN/A
Fits 128 GB?YESNoNoN/A

JANG_1L is 97 GB smaller than MLX 4-bit and fits on 128 GB Macs where MLX 4-bit (209 GB) cannot run. MLX 2-bit and 3-bit produce NaN -- cannot run (float16 overflow on 512-expert models). JANG solves this with bfloat16.

Specs

MetricValue
SourceQwen3.5-397B-A17B
ArchitectureHybrid MoE + SSM (GatedDeltaNet + Full Attention)
Experts512 per layer, top-10 active (17B active params)
ProfileJANG_1L (CRITICAL=8, IMPORTANT=8, COMPRESS=2)
Average bits2.13 bpw
Disk size112 GB
GPU RAM110 GB (peak 120 GB)
Speed36.1 tok/s generation, 96 tok/s prefill
Computebfloat16 (auto-detected)
VLM333 vision tensors, 31.6 tok/s

Requirements

  • Apple Silicon Mac with 128+ GB unified memory
  • MLX Studio (recommended) 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/Qwen3.5-397B-A17B-JANG_1L")

# With reasoning
messages = [{"role": "user", "content": "Prove that sqrt(2) is irrational."}]
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)

VLM Usage

from jang_tools.loader import load_jang_vlm_model
from mlx_vlm import generate as vlm_generate

model, processor = load_jang_vlm_model("JANGQ-AI/Qwen3.5-397B-A17B-JANG_1L")
messages = [{"role": "user", "content": [
    {"type": "image"},
    {"type": "text", "text": "Describe this image."},
]}]
prompt = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
result = vlm_generate(model, processor, prompt=prompt, image=["photo.jpg"], max_tokens=200)

Technical Notes

  • bfloat16: 512-expert models overflow float16 (max 65,504) at the shared expert down_proj. JANG auto-detects and uses bfloat16 (max 3.4x10^38). Zero quality impact.
  • JANG_1L profile: 8-bit for all attention + routers + embeddings, 2-bit for expert MLP. On MoE models, expert MLP is 97.9% of params — so 2-bit covers almost everything while critical components get maximum precision.

한국어

JANG_1L은 Qwen3.5-397B를 128 GB Mac에서 실행할 수 있는 최초의 양자화입니다. 112 GB, 36 tok/s, 86.5% MMLU.

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

Репозиторий недоступен на Hugging Face.

Класс архитектуры
Qwen3_5MoeForConditionalGeneration
Ревизия весов
d5f3aad

0 моделей