/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
201 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_2L

Генерация текстаТекст → текст15 профессий

Квантованный вариант Qwen3.5-397B-A17B для диалогов, рассуждений и мультимодального анализа на Apple Silicon.

123скачиваний 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/Qwen3.5-397B-A17B-JANG_2L — вариант модели Qwen3.5-397B-A17B, подготовленный Jinho Jang и проектом JANG. Это большая мультимодальная модель класса MoE с гибридной архитектурой GatedDeltaNet и полного внимания; по карточке активны 17 млрд параметров из 397 млрд. Репозиторий содержит смешанно-точное квантованное представление JANG_2L для Apple Silicon: веса с разной чувствительностью хранятся с разной разрядностью, а вычисления выполняются в bfloat16. В метаданных библиотекой указана MLX.

Модель предназначена для диалогов, рассуждений и анализа изображений и видео. Режим reasoning позволяет включать пошаговое рассуждение; карточка также сообщает о поддержке vision и интерфейсе вызова инструментов. По заявлению автора, модель занимает 187 ГБ и показывает 36 токенов в секунду на M4 Ultra с 256 ГБ объединённой памяти. Для запуска автор рекомендует MLX Studio или JANG с MLX; заявлена необходимость Apple Silicon с 256 ГБ памяти.

Карточка приводит результаты MMLU, но это авторские замеры на ограниченной выборке и не гарантия качества в других задачах. Доступ к изображениям и видео заявлен в README, хотя pipeline_tag и каталог классифицируют модель как text-generation. Указанная лицензия — Apache-2.0.

Сценарии применения

  • ответы на сложные вопросы с пошаговым рассуждением
  • решение математических и физических задач
  • анализ изображений в диалоге
  • анализ видеоматериалов
  • диалоговый помощник с вызовом инструментов

Ограничения

Для запуска автор указывает Apple Silicon с 256 ГБ объединённой памяти и совместимое ПО JANG/MLX; обычные LM Studio и Ollama, согласно карточке, формат JANG не поддерживают. Заявленные результаты MMLU основаны на ограниченной выборке и не гарантируют качество на других задачах.

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

This model uses reasoning/thinking mode. The model reasons inside <think>...</think> tags before answering. This dramatically improves accuracy on hard questions (abstract algebra: 50% → 80%, math: 50% → 85%). MLX Studio is required to run this model — it handles JANG format, bfloat16 compute, and thinking mode natively.

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



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

Key Features

  • 92.0% MMLU (200 questions, reasoning mode) — 397B intelligence on Apple Silicon
  • 36 tok/s generation speed on M4 Ultra 256 GB
  • Reasoning mode: <think>...</think> for step-by-step problem solving
  • Vision (VLM): 333 vision tensors, processes images and video
  • 187 GB on disk, 197 GB peak GPU RAM
  • bfloat16 compute: auto-detected by JANG loader for 512-expert models

Results: JANG_2L 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 Algebra10/2016/2010/2017/20
Anatomy17/2019/2018/2019/20
Astronomy19/2019/2019/2019/20
College CS18/2019/2015/2018/20
College Physics14/2018/2015/2019/20
HS Biology18/2019/2019/2019/20
HS Chemistry16/2018/2017/2019/20
HS Mathematics10/2017/2012/2019/20
Logical Fallacies19/2020/2019/2020/20
World Religions18/2019/2019/2019/20
Total159/200 (79.5%)184/200 (92.0%)163/200 (81.5%)188/200 (94.0%)

Summary

JANG_2LJANG_1LMLX 4-bitMLX 2/3-bit
MMLU (no-think)79.5%81.0%81.5%NaN -- cannot run
MMLU (reasoning)92.0%86.5%94.0%NaN -- cannot run
Size187 GB112 GB209 GBN/A
GPU RAM184 GB110 GB~210 GBN/A
Speed36.0 tok/s36.1 tok/s~36 tok/sN/A
Fits 128 GB?No (256 GB)YESNoN/A

JANG_2L is 22 GB smaller than MLX 4-bit. MLX 4-bit with reasoning reaches 94.0%, while JANG_2L reaches 92.0% at significantly smaller size. 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)
Layers60 (45 GatedDeltaNet SSM + 15 Full Attention)
ProfileJANG_2L (CRITICAL=8, IMPORTANT=6, COMPRESS=2)
MLP Asymmetrygate_proj=4-bit, up_proj=2-bit, down_proj=3-bit
Average bits3.72 bpw
Disk size187 GB (43 shards)
GPU RAM197 GB peak
Generation speed36.0 tok/s (M4 Ultra 256 GB)
Prefill speed94.5 tok/s
Compute dtypebfloat16 (auto-detected, prevents float16 overflow)
VLM333 vision tensors, Qwen3VLProcessor

Requirements

  • Apple Silicon Mac with 256 GB unified memory (M3/M4 Ultra)
  • MLX Studio (recommended) or pip install "jang[mlx]>=2.1.5"
  • Python 3.11+ for CLI usage

Quick Start (Python)

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_2L")
# bfloat16 is auto-applied for 512-expert models

# With reasoning (recommended for hard questions)
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 for simple questions)
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_2L")

# Format prompt with image tokens
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)

What is JANG?

JANG (Jang Adaptive N-bit Grading) is a mixed-precision quantization format for Apple Silicon that classifies every weight tensor by sensitivity:

  • CRITICAL (8-bit): Full attention Q/K/V/O, MoE routers, output head
  • IMPORTANT (6-bit): Embeddings, GatedDeltaNet (linear attention)
  • COMPRESS (2-bit): MoE expert MLP (512 experts provide redundancy)
  • MLP Asymmetry: gate_proj=4-bit (SiLU amplifier), down_proj=3-bit (residual projection)

This gives 397B-level intelligence at 187 GB — fitting on a single M4 Ultra Mac Studio.

Technical Notes

  • bfloat16 compute: 512-expert models with hidden_size=4096 overflow float16 (max 65,504) at the shared expert down_proj. The JANG loader auto-detects this and uses bfloat16 (max 3.4×10^38). Zero quality impact — quantization noise dominates.
  • Reasoning mode: The model uses <think>...</think> tags for step-by-step reasoning. On hard questions (math, physics, algebra), this improves accuracy by 25+ percentage points.
  • Chat template: Includes enable_thinking toggle. Set to False for fast answers, True for reasoning.

한국어 안내

JANG은 Apple Silicon을 위한 혼합 정밀도 양자화 형식입니다. Qwen3.5-397B를 Mac Studio 한 대에서 36 tok/s로 실행할 수 있습니다.

  • 92.0% MMLU (추론 모드)
  • 187 GB 디스크 용량, M4 Ultra 256 GB에서 실행
  • MLX Studio 필요
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
a7b7291

0 моделей