/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
70,2 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_2L

Изображение и текст → текст15 профессий

Квантованная мультимодальная модель Qwen для диалога, анализа изображений и видео, рассуждений и вызова инструментов на Apple Silicon.

332скачиваний за 30 дней0лайковвеса обновлены4 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

OsaurusAI Qwen3.8-Flash-Next-JANG_2L — квантованный вариант Qwen/Qwen3.8-Flash-Next, подготовленный Jinho Jang для Apple Silicon и MLX. Это мультимодальная модель семейства Qwen с архитектурой Qwen4-архитектурного превью: смесь экспертов на 125 млрд параметров, из которых активны около 6 млрд, гибридные слои Gated DeltaNet и Qwen Sparse Attention, а также отдельные компоненты для изображений и видео. Веса сохранены в формате safetensors; заявленный объём набора — 65,3 ГиБ, а при обслуживании n-граммной таблицы с SSD в оперативной памяти требуется около 48 ГиБ.

Модель предназначена для диалога, ответов с анализом изображений и видео, рассуждений и агентных сценариев с вызовом инструментов. Нативная длина контекста составляет 262 144 токена; с YaRN её можно расширить до 1 млн. В комплекте сохранена голова многотокенного предсказания для ускоренного декодирования в совместимых средах. По замерам на 5 931 позициях JANG_2L показывает медианный KL 0,0260 и top-1 совпадение 88,2% с bf16-версией.

Модель требует совместимого runtime для MLX и Apple Silicon и значительных ресурсов памяти либо поддержки SSD-таблицы. Вызовы инструментов используют парсер Qwen XML; среды, поддерживающие только Hermes JSON, могут обрабатывать их с ошибками. Для скачанных до 5 сентября 2026 года комплектов требуется повторная загрузка из-за реорганизации вспомогательных файлов MTP. В метаданных указана лицензия other, без конкретных условий использования.

Сценарии применения

  • ответы на вопросы по изображениям
  • понимание и анализ видеоматериалов
  • диалог с длинным контекстом
  • решение задач с пошаговыми рассуждениями
  • вызов инструментов в агентных сценариях

Ограничения

Для работы требуется совместимая среда MLX на Apple Silicon и значительный объём памяти либо поддержка обслуживания n-граммной таблицы с SSD. Вызовы инструментов требуют парсера Qwen XML; runtime только с Hermes JSON может обрабатывать их с ошибками.

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.

OsaurusAI/Qwen3.8-Flash-Next-JANG_2L

The 2-bit-class tier with measured 3-bit rescues — 65.3 GiB, ~48 GiB resident with the SSD-served table.

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 (4-bit).

Runtime support is landing — this repo is private while the serving path is finalized.

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

The 51B n-gram embedding can be served directly from SSD by supporting runtimes (16 row-reads per token); the "RAM w/ SSD-table" column above is the resident footprint in that mode. SSD-table caching is fixed and runs at full decode speed on current runtime builds.

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@osaurus.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
c58e138

0 моделей