/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
114 ГБ
Лицензия
Своя лицензия
Архитектура
qwen4_exp · dense
Базовая модель
Qwen3.8-Flash-Next
Библиотека
mlx
Опубликована
27 авг 2026

Qwen3.8-Flash-Next-JANG_6S

Изображение и текст → текст15 профессий

Квантованная мультимодальная версия Qwen3.8-Flash-Next для диалога, рассуждений, агентных задач и анализа изображений и видео на Apple Silicon.

582скачиваний 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/Qwen3.8-Flash-Next-JANG_6S — квантованный пакет модели Qwen/Qwen3.8-Flash-Next, подготовленный Jinho Jang для запуска на Apple Silicon через MLX и vMLX. Это мультимодальная модель с архитектурой Qwen4-архитектуры: MoE на 125 млрд параметров с 6 млрд активных, гибридными слоями Gated DeltaNet и Qwen Sparse Attention, а также отдельной таблицей n-граммных эмбеддингов. Веса для текста, изображений и видео включены в пакет.

Модель предназначена для диалога, рассуждений, агентных сценариев и использования инструментов, а также для понимания изображений и видео. Нативный контекст — 262 144 токена, его можно расширить до 1 млн с YaRN; сохранена голова многотокенного предсказания для ускоренного декодирования в поддерживаемых средах. Для вызовов инструментов требуется парсер диалекта Qwen XML; Hermes-only парсеры могут некорректно обрабатывать такие вызовы. Пакет ориентирован на запуск в vMLX, а работа с таблицей n-грамм на SSD и полная поддержка мультимодальности зависят от возможностей среды исполнения.

В README заявлены лицензия «other» и необходимость доступа через ручное одобрение для vMLX; конкретные условия лицензии в предоставленных данных не раскрыты. Качество и скорость зависят от конфигурации и среды исполнения; заявленные в карточке измерения сопоставляют квантованный пакет с исходной версией bf16.

Сценарии применения

  • диалоговое взаимодействие с мультимодальным ассистентом
  • анализ и ответы на вопросы по изображениям
  • понимание содержания видео
  • агентное выполнение задач с вызовом инструментов
  • генерация ответов с пошаговым рассуждением
  • локальный запуск большой языковой модели на Apple Silicon

Ограничения

Для вызова инструментов требуется среда исполнения с поддержкой парсера Qwen XML; парсеры, рассчитанные только на Hermes, могут терять или искажать вызовы. Запуск, обработка видео и работа с таблицей n-грамм на SSD зависят от поддержки конкретной средой; пакет рассчитан на системы Apple Silicon с большим объёмом памяти.

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

⚠️ REDOWNLOAD REQUIRED (2026-09-05): This bundle's MTP auxiliary files were reorganized. If you downloaded this model before 2026-09-05, please delete your local copy and re-download the entire repository — mixed old/new files can fail the runtime's bundle integrity check.

⚠️ Tool calling — parser notice. This model emits Qwen-XML tool calls (<function=name><parameter=...> inside <tool_call>), not Hermes JSON. This bundle declares tool_parser: "qwen" in its config — use a runtime whose tool parser accepts the Qwen XML dialect. Hermes-only parsers will fail on tool turns (dropped/mangled calls). Runtime support for the correct parser is rolling out; until your runtime has it, expect tool-use errors.

JANGQ-AI/Qwen3.8-Flash-Next-JANG_6S

The top tier — median KL 0.0035 vs bf16, built for 128 GB Macs with the n-gram table on SSD (~83 GiB resident).

A JANG bundle of Qwen/Qwen3.8-Flash-Next — the Qwen4-architecture preview: a 125B mixture-of-experts (512 experts, 6B active) with a 51B hashed n-gram embedding, Gated DeltaNet + Qwen Sparse Attention hybrid layers, gated-residual streams, and vision+video towers — quantized for Apple Silicon / MLX. Text, image and video weights are all present in this exact bundle. Native multi-token-prediction head preserved (6-bit).

Best experienced in vMLX. This bundle's layout — the SSD-served n-gram table, per-module mixed precision, and the native MTP head — is designed for the vMLX serving path. Access is gated (manual approval) while runtime support rolls out.

Quality (measured, 5,931 held-out positions vs bf16)

JANG ladder

TierSizeRAM w/ SSD-tablemedian KLtop-1top-5top-10
JANG_1L59.8 GiB~41 GiB0.036286.7%97.5%98.8%
JANG_2L65.3 GiB~48 GiB0.026088.2%98.2%99.0%
JANG_4S71.8 GiB~53 GiB0.016189.4%98.7%99.4%
JANG_4M96.0 GiB~73 GiB0.004294.4%99.7%99.9%
JANG_6S106.3 GiB~83 GiB0.003594.7%99.7%99.9%

Margin-conditioned flip curves are monotone-decreasing on every tier — quantization noise lives in the reference model's own uncertainty band, with zero disagreement at high-confidence positions on the upper tiers.

The n-gram table & memory — SSD caching, fixed and fast

The 51B n-gram embedding streams directly from SSD on supporting runtimes (16 row-reads per token) — the "RAM w/ SSD-table" column above is the true resident footprint in that mode. Early runtime builds throttled in this mode; SSD-table caching is now fixed: decode runs at full speed with the table on disk — 40+ tok/s on an M5 Max for the 4-bit tier — so the biggest tiers fit comfortably on 64–128 GB machines without giving up the table.

What's in the bundle

  • Vision + video: the full vision tower and both image and video preprocessors ship in this exact bundle — image-text-to-text and video understanding work out of the box on supporting runtimes (image and video token ids, mRoPE positions, and the merger are all present).
  • Multi-token prediction: the model's native MTP head is preserved (trained multi-step). Enables self-speculative decode on supporting runtimes.
  • Thinking + agentic: thinking mode on by default with three reasoning efforts and preserved thinking history; Hermes-style tool calling; the instruct preset gives direct non-thinking responses.
  • Long context: 262,144 tokens native, extensible to 1M with YaRN.

Serving contract

  • Thinking mode ON by default: temperature=1.0, top_p=0.95, top_k=20
  • Instruct mode: temperature=0.7, top_p=0.80, top_k=20, presence_penalty=1.5
  • Reasoning efforts low / medium / xhigh (default xhigh) and preserve_thinking (default on) via chat-template kwargs
  • Context 262,144 native, extensible to 1M with YaRN
  • EOS [248046, 248044] · tool calls: Hermes-style <tool_call>

Quantized and validated by Jinho Jang — 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
Qwen4ExpForConditionalGeneration
Ревизия весов
3781190

0 моделей