/ Модель

Характеристики

Контекст
1 048 576 токенов
Параметры
30,4 млрд
Лицензия
MIT
Архитектура
glm_moe_dsa · dense
Базовая модель
GLM-5.2
Библиотека
mlx
Опубликована
16 июн 2026

GLM-5.2-JANGTQ_K

Генерация текстаТекст → текст15 профессий

Квантованный вариант GLM-5.2 для генерации текста, программирования и диалоговых задач на Apple silicon через специализированный runtime MLX.

152скачиваний за 30 дней3лайкавеса обновлены17 июн 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

GLM-5.2-JANGTQ_K — квантованный вариант GLM-5.2 от Z.ai, подготовленный bearzi для запуска через MLX на компьютерах Apple с Apple silicon. Это языковая модель семейства GLM с архитектурой MoE и поддержкой чата; метаданные указывают 30,4 млрд параметров и контекст до 1 048 576 токенов. Профиль JANGTQ_K использует смешанную квантовку TurboQuant: routed-эксперты сжаты до 2 или 4 бит, а блоки внимания и индексатор DSA сохранены в FP16. Голова MTP удалена, поскольку она не используется в описанном режиме генерации MLX.

Модель предназначена для генерации текста в диалоге, написания кода и длительных задач с большим контекстом. Для загрузки требуются около 260 ГБ объединённой памяти, пакет jang-tools и runtime MLX с патчем IndexShare; обычные MLX, LM Studio и Ollama этот набор не поддерживают без соответствующей доработки. В метаданных указана лицензия MIT.

Сценарии применения

  • генерация ответов в диалоге
  • написание и объяснение кода
  • обработка запросов с контекстом до миллиона токенов

Ограничения

Для запуска требуется около 260 ГБ объединённой памяти, jang-tools и runtime MLX с патчем IndexShare; стандартные MLX, LM Studio и Ollama не поддерживаются без доработки. Голова MTP удалена.

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

GLM-5.2-JANGTQ_K

JANGTQ (JANG TurboQuant) quantization of zai-org/GLM-5.2 (744B-parameter glm_moe_dsa MoE) for MLX on Apple silicon. TurboQuant applies a random-sign Hadamard rotation, a per-row FP16 norm, and a per-(dim,bits) Lloyd-Max codebook to the routed experts, keeping the backbone at higher precision.

Profile: JANGTQ_K (max-quality mixed precision) — ~260 GB on disk.

ComponentPrecision
Routed experts — gate_proj / up_proj2-bit MXTQ (codebook + Hadamard)
Routed experts — down_proj4-bit MXTQ (codebook + Hadamard)
Attention (MLA + DSA indexer)FP16
Shared expertsFP16
Router / normsFP16
Embeddings / LM headFP16

MTP (multi-token-prediction) head is dropped — it serves speculative decoding only and is unused by the MLX single-token decode path.

Requirements

  • ~260 GB of unified memory. Whole-machine model; will not load alongside other large jobs. A 512 GB Mac (e.g. M3 Ultra) loads it comfortably.
  • Load with the jang-tools package. Not supported by stock MLX, LM Studio, or Ollama.
  • Requires an IndexShare-patched runtime (mandatory). GLM-5.2 introduces IndexShare: most sparse-attention layers are shared and carry no DSA indexer weights — they reuse the top-k token selections computed by the periodic full layers. Stock mlx_lm's glm_moe_dsa model runs an indexer on every layer, so it cannot load this bundle as-is.

IndexShare patch

Stock mlx_lm (through 0.31.3) does not implement IndexShare. The patched module ships in the jang-tools runtime: it builds a DSA indexer only on full layers and reuses the most-recent full layer's indices on shared layers (with a matching make_cache). On stock mlx_lm you must apply an equivalent override to mlx_lm/models/glm_moe_dsa.py before loading. Note: pip install -U mlx-lm overwrites the patch — re-apply after any upgrade.

Usage

from jang_tools.load_jangtq import load_jangtq_model as load
from mlx_lm import generate

model, tokenizer = load("bearzi/GLM-5.2-JANGTQ_K")
msgs = [{"role": "user", "content": "Write a Python function that reverses a string."}]
prompt = tokenizer.apply_chat_template(msgs, add_generation_prompt=True, tokenize=False)
print(generate(model, tokenizer, prompt=prompt, max_tokens=512, verbose=True))

License

MIT, inherited from zai-org/GLM-5.2; quantization does not change the upstream terms. MIT requires retaining the copyright and license notice in redistributions.

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
GlmMoeDsaForCausalLM
Ревизия весов
cdfdf23

0 моделей