下载量
0
参数
27B
上下文
未说明
架构 / 任务
未分类
许可证
未声明
MODEL POSITIONING
这个模型解决什么问题？
模型能力方面，Jack-3.8 是一款以 Qwen3.8 为底座、围绕 Jack 推理架构构建的 27B 本地编程模型，核心能力包括长上下文状态保留、多轮代理工具调用、外来工作流审计以及确定性验证，这些描述均来自模型卡与标签。量化仓库方面，本仓库仅发布一个 GGUF 文件，约 16.8GB，明确针对 16GB VRAM 消费级显卡调优；其他量化版本与不同尺寸变体模型卡未说明。运行工具方面，仓库标签与 runtimes 字段显示该 GGUF 同时兼容 ollama、llama.cpp 与 LM Studio 三种本地推理方式。
更适合谁
- 拥有 16GB 显存消费级显卡、需要在本地运行长上下文编码代理的个人开发者
- 负责多文件重构、长期调试或跨多轮跟踪需求与配置变更的研发人员
- 希望让本地模型接手或审核另一模型已完成代码与计划的用户
- 在缺乏云端算力、需要离线完成软件工程任务的研究者
典型使用场景
- 长会话编程：从计划到实现贯穿数十轮的端到端开发
- 仓库级调试与多文件重构，跨多轮跟踪需求与配置变更
- 设计、撰写并审阅测试用例，校验测试是否真的被运行
- 审核另一模型生成的代码、计划与正确性声明
SOURCE-BASED CAPABILITIES
模型卡透露的核心特点
操作性记忆与状态重建
在长上下文中区分历史记录与当前权威结论，避免旧计划影响新动作
Jack XML 结构化锚定
在生成前沿重建控制状态、绑定证据、隔离相似配置并执行对抗性校验
代理式编码工作流
支持规划-执行-审阅阶段切换，可结合原生思考深度自适应调整
确定性验证协作
在可用工具暴露时优先使用代码执行、哈希、穷举等确定性证据
外来工作流审计
可接入其他模型已完成的任务，对其计划、实现与测试进行独立复核
硬件怎么准备
- 显存约 17GB 为最小门槛，对应消费级 16GB 显卡需要预留余量，建议接近 19.5GB 显存运行
- 内存建议准备至少 20GB，推荐 24GB 以保证上下文扩展时稳定
- 硬盘需预留约 16.8GB 空间存放 GGUF 文件本身
- 模型卡未说明对 CPU/NPU 或具体硬件加速栈的支持情况
量化版本怎么选
- 仓库仅提供单一 GGUF 变体，文件大小约 16.8GB，官方未标注具体量化标签
- 由于明确面向 16GB VRAM，建议优先采用此唯一变体以匹配调优目标
- 更激进的低比特量化或更保真的高比特版本模型卡未说明
- 更大或更小尺寸的同系列变体模型卡未说明
GGUF VARIANTS
量化版本与硬件要求
数值根据文件体积和运行余量估算，不是速度或效果承诺；长上下文、并发与 GPU 层数会改变实际占用。
| 量化 | 文件 | 最低显存 | 推荐显存 | 推荐内存 | 来源 |
|---|---|---|---|---|---|
| GGUF | 16 GB | 17 GB | 19.5 GB | 24 GB | 文件 ↗ |
HARDWARE MATCH
哪些显卡或设备更适合运行？
按当前最小量化文件估算，至少需要 17GB 显存；如果希望为运行框架和上下文保留余量，优先参考推荐显存 19.5GB。
阅读 24GB 显存选型指南 →可以怎样运行
- 通过 ollama 直接加载仓库提供的 GGUF 文件运行
- 通过 llama.cpp 直接启动仓库内置的 GGUF 文件
- 通过 LM Studio 导入同一 GGUF 文件进行本地推理
- 在代理框架中作为后端模型驱动多轮工具调用与代码执行循环
采用前要知道的限制
- 仓库仅含单一 GGUF 文件，缺乏不同量化档位的选择空间
- 模型针对单卡 16GB VRAM 优化，超出该显存预算的扩展性模型卡未说明
- 长上下文与代理能力来自 Jack 项目的自有行为描述，缺乏公开榜单复核
- 推理速度、训练数据规模与具体硬件加速支持模型卡未说明