JetLLMLite-3.6

This repository hosts an organization-managed copy of JetLLMLite-3.6 for advanced coding, reasoning, long-context, and agentic AI workloads.

It is intended for teams that want to manage deployment, access, and internal distribution from their own namespace while preserving compatibility with the upstream model ecosystem.

Model Summary

JetLLMLite-3.6 is an open-weight post-trained model released in Hugging Face Transformers format. According to the official model card, these artifacts are compatible with Hugging Face Transformers, vLLM, SGLang, and KTransformers. The model is described as a Causal Language Model with Vision Encoder, with 35B total parameters and 3B activated parameters, plus 262,144 native context length extensible up to 1,010,000 tokens. :contentReference[oaicite:0]{index=0}

Key Features

• 35B total parameters
• 3B activated parameters
• MoE-based architecture
• Vision-language capability
• Strong coding and agentic performance
• 262,144 native context length
• Extensible context up to 1,010,000 tokens
• Compatible with Transformers, vLLM, SGLang, and KTransformers :contentReference[oaicite:1]{index=1}

Intended Use

This model is suitable for:

• advanced chat assistants
• coding assistants
• repository-level reasoning
• agentic workflows
• multimodal question answering
• long-context document understanding
• RAG and tool-using systems
• enterprise AI applications
• research and benchmarking :contentReference[oaicite:2]{index=2}

Model Details

Architecture

According to the official Qwen model card:

• Model type: Causal Language Model with Vision Encoder
• Training stage: Pre-training & Post-training
• Total parameters: 35B
• Activated parameters: 3B
• Hidden dimension: 2048
• Token embedding: 248320 (padded)
• Number of layers: 40
• Hidden layout: 10 × (3 × (Gated DeltaNet → MoE) → 1 × (Gated Attention → MoE))
• Number of experts: 256
• Activated experts: 8 Routed + 1 Shared
• Expert intermediate dimension: 512
• MTP: trained with multi-steps
• Context length: 262,144 natively and extensible up to 1,010,000 tokens :contentReference[oaicite:3]{index=3}

Performance Positioning

The official model card highlights JetLLMLite-3.6 as an open-weight model built with a focus on stability and real-world utility, with notable emphasis on:

• Agentic coding
• Frontend workflows
• Repository-level reasoning
• Thinking preservation across historical context :contentReference[oaicite:4]{index=4}

Hardware Requirements

This model does not have a single universal minimum hardware requirement for every deployment scenario.

Actual requirements depend on:

• inference backend
• precision / quantization
• batch size
• context length
• whether vision inputs are enabled
• concurrency
• latency targets
• KV cache configuration :contentReference[oaicite:5]{index=5}

Minimum System Requirements

Because the model has 35B total parameters and 3B activated parameters, real VRAM usage can vary substantially depending on the runtime and workload profile. The upstream model card does not publish a single hard minimum VRAM number. However, for practical planning, the following guidance is reasonable:

• Estimated practical minimum for heavily quantized local inference: around 24 GB VRAM
• More realistic for smoother local / development usage: 48–80 GB VRAM
• Recommended for production serving of the original model: multi-GPU or high-memory datacenter GPU environments
• Recommended for long-context or multimodal serving: high-memory datacenter-class infrastructure :contentReference[oaicite:6]{index=6}

Note: these values are practical estimates for deployment planning, not universal hard limits. Real memory usage can increase significantly with longer contexts, multimodal inputs, larger batch sizes, and serving-framework overhead.

Reference Hardware

The upstream model card provides official serving examples for this model with common inference stacks such as vLLM, SGLang, and Transformers, and includes a Docker example for SGLang. For practical deployment planning:

• Quantized local experimentation: high-memory single-GPU environments may be sufficient
• Standard production-oriented serving: modern datacenter GPUs are recommended
• Long-context and higher-concurrency serving: multi-GPU deployment is the safer reference setup
• Multimodal production workloads: high-memory server infrastructure is strongly recommended :contentReference[oaicite:7]{index=7}

Practical Recommendation

For most teams:

1. start with quantized evaluation if you are testing locally
2. benchmark using your real context lengths
3. use dedicated serving stacks such as vLLM or SGLang
4. reserve high-memory infrastructure for production-scale or long-context workloads :contentReference[oaicite:8]{index=8}

Software Requirements

Recommended environment:

• Python 3.10+
• Linux
• CUDA-enabled GPU environment
• One of the following runtimes:
  • Transformers
  • vLLM
  • SGLang
  • KTransformers

The official model card also notes that the latest transformers is required for JetLLMLite-3.6 and recommends ensuring torchvision and pillow are installed for multimodal use. :contentReference[oaicite:9]{index=9}

Common dependencies may include:

• torch
• transformers
• torchvision
• pillow

Quickstart

Install Transformers:

pip install "transformers[serving]"

Basic loading example:

from transformers import pipeline

pipe = pipeline(
    "image-text-to-text",
    model="Jetlink/JetLLMLite-3.6",
    trust_remote_code=True
)

Serving Examples

vLLM

vllm serve Jetlink/JetLLMLite-3.6

SGLang

docker run --gpus all \
  --shm-size 32g \
  -p 30000:30000 \
  -v ~/.cache/huggingface:/root/.cache/huggingface \
  --env "HF_TOKEN=<secret>" \
  --ipc=host \
  lmsysorg/sglang:latest \
  python3 -m sglang.launch_server \
      --model-path "Jetlink/JetLLMLite-3.6" \
      --host 0.0.0.0 \
      --port 30000

Docker Model Runner

docker model run hf.co/Jetlink/JetLLMLite-3.6

Long Context Notes

JetLLMLite-3.6 natively supports 262,144 tokens and can be extended up to 1,010,000 tokens. The official model card includes YaRN-style rope scaling configuration guidance for long-context usage. :contentReference[oaicite:10]{index=10}

Strengths

• strong coding and agentic capabilities
• improved frontend and repository-level reasoning
• multimodal support
• very long native context
• extensible ultra-long context support
• modern MoE architecture
• compatibility with popular open inference frameworks :contentReference[oaicite:11]{index=11}

Limitations

• infrastructure requirements can be substantial depending on deployment style
• long-context inference can greatly increase memory pressure
• multimodal workloads add additional overhead
• local deployment practicality depends heavily on quantization and runtime choices
• real-world latency and throughput vary significantly by framework and hardware configuration

Out-of-Scope / Cautionary Use

Outputs should be reviewed before use in:

• medical decision-making
• legal advice
• safety-critical automation
• high-stakes financial decisions
• fully autonomous actions without validation
• sensitive production workflows without guardrails

Human review, tool validation, and policy controls are strongly recommended.

License

This repository follows the same license as the upstream release.

• License: Apache-2.0

If you redistribute, fine-tune, quantize, or otherwise modify this model, make sure your usage remains compliant with the upstream license and attribution requirements. :contentReference[oaicite:12]{index=12}

Attribution

Original upstream model:

• Qwen/Qwen3.6-35B-A3B

This repository is an organization-managed copy and is not the original upstream source.

Citation

Please cite the original JetLLMLite-3.6 release when using this model in research, evaluation, or production documentation.

Disclaimer

This repository may include packaging, naming, or deployment-oriented changes for organizational use.

For official updates, benchmark details, long-context settings, and upstream release notes, refer to the original Qwen model card. :contentReference[oaicite:13]{index=13}

---

JetLLMLite-3.6 (Türkçe)

Bu depo, gelişmiş kodlama, akıl yürütme, uzun bağlam ve agentic AI iş yükleri için JetLLMLite-3.6 modelinin kurum tarafından yönetilen bir kopyasını barındırır.

Bu depo; modeli kendi namespace’i altında yönetmek, erişimi kontrol etmek ve dağıtımı kolaylaştırmak isteyen ekipler için hazırlanmıştır. Amaç, upstream model ekosistemiyle uyumluluğu koruyarak kurumsal kullanım sağlamaktır.

Model Özeti

JetLLMLite-3.6 resmi model kartına göre bu artefaktlar Hugging Face Transformers, vLLM, SGLang ve KTransformers ile uyumludur. Model, Vision Encoder içeren bir Causal Language Model olarak tanımlanır; 35B toplam parametre, 3B aktif parametre, 262.144 token yerel bağlam ve 1.010.000 token’a kadar genişletilebilir bağlam sunar. :contentReference[oaicite:14]{index=14}

Temel Özellikler

• 35B toplam parametre
• 3B aktif parametre
• MoE tabanlı mimari
• Vision-language kabiliyeti
• Güçlü kodlama ve agentic performans
• 262.144 token yerel bağlam
• 1.010.000 token’a kadar genişletilebilir bağlam
• Transformers, vLLM, SGLang ve KTransformers ile uyumluluk :contentReference[oaicite:15]{index=15}

Kullanım Amacı

Bu model aşağıdaki senaryolar için uygundur:

• gelişmiş sohbet asistanları
• kodlama asistanları
• repository seviyesinde akıl yürütme
• agentic workflow yapıları
• multimodal soru-cevap
• uzun bağlamlı doküman anlama
• RAG ve tool-using sistemler
• kurumsal AI uygulamaları
• araştırma ve benchmark çalışmaları :contentReference[oaicite:16]{index=16}

Model Detayları

Mimari

Resmi Qwen model kartına göre:

• Model tipi: Vision Encoder içeren Causal Language Model
• Eğitim aşaması: Pre-training & Post-training
• Toplam parametre: 35B
• Aktif parametre: 3B
• Hidden dimension: 2048
• Token embedding: 248320 (padded)
• Katman sayısı: 40
• Hidden layout: 10 × (3 × (Gated DeltaNet → MoE) → 1 × (Gated Attention → MoE))
• Expert sayısı: 256
• Aktif expert: 8 Routed + 1 Shared
• Expert intermediate dimension: 512
• MTP: multi-steps ile eğitilmiş
• Bağlam uzunluğu: yerel olarak 262.144, genişletilmiş olarak 1.010.000 token’a kadar :contentReference[oaicite:17]{index=17}

Performans Konumlandırması

Resmi model kartı JetLLMLite-3.6’yı özellikle şu alanlarda öne çıkarır:

• Agentic coding
• Frontend workflow’leri
• Repository-level reasoning
• Geçmiş mesajlardan düşünme bağlamını koruma :contentReference[oaicite:18]{index=18}

Donanım Gereksinimleri

Bu model için her senaryoya uyan tek bir evrensel minimum donanım gereksinimi yoktur.

Gerçek ihtiyaçlar şunlara bağlıdır:

• inference backend
• precision / quantization
• batch size
• bağlam uzunluğu
• vision girdilerinin açık olup olmaması
• concurrency
• latency hedefleri
• KV cache yapılandırması :contentReference[oaicite:19]{index=19}

Minimum Sistem Gereksinimleri

Model 35B toplam parametreye ve 3B aktif parametreye sahip olduğu için gerçek VRAM kullanımı runtime ve iş yüküne göre ciddi biçimde değişebilir. Upstream model kartı tek bir kesin minimum VRAM sayısı vermez. Ancak pratik planlama için şu rehber uygundur:

• Ağır quantized local inference için tahmini pratik minimum: yaklaşık 24 GB VRAM
• Daha rahat local / geliştirme kullanımı için daha gerçekçi seviye: 48–80 GB VRAM
• Orijinal modelin production serving’i için önerilen: çoklu GPU veya yüksek bellekli datacenter GPU ortamları
• Uzun bağlam veya multimodal serving için önerilen: yüksek bellekli datacenter sınıfı altyapı :contentReference[oaicite:20]{index=20}

Not: bunlar deployment planlaması için pratik tahminlerdir; evrensel kesin sınırlar değildir. Daha uzun bağlamlar, multimodal girdiler, büyük batch size ve serving framework kaynaklı ek yükler gerçek bellek kullanımını ciddi şekilde artırabilir.

Referans Donanım

Upstream model kartı bu model için vLLM, SGLang ve Transformers gibi inference stack’leriyle resmi serving örnekleri sunar ve ayrıca SGLang için bir Docker örneği içerir. Pratik dağıtım planlaması için:

• Quantized local denemeler: yüksek bellekli tek GPU ortamları yeterli olabilir
• Standart production serving: modern datacenter GPU’lar önerilir
• Uzun bağlam ve daha yüksek concurrency: çoklu GPU dağıtımı daha güvenli referanstır
• Multimodal production iş yükleri: yüksek bellekli sunucu altyapısı güçlü şekilde önerilir :contentReference[oaicite:21]{index=21}

Pratik Öneri

Çoğu ekip için en mantıklı yaklaşım:

1. local testte quantized değerlendirme ile başlamak
2. gerçek bağlam uzunluklarıyla benchmark almak
3. vLLM veya SGLang gibi özel serving stack’leri kullanmak
4. production ölçeği veya uzun bağlam için yüksek bellekli altyapı ayırmak :contentReference[oaicite:22]{index=22}

Yazılım Gereksinimleri

Önerilen ortam:

• Python 3.10+
• Linux
• CUDA destekli GPU ortamı
• Şu runtime’lardan biri:
  • Transformers
  • vLLM
  • SGLang
  • KTransformers

Resmi model kartı ayrıca JetLLMLite-3.6 için en güncel transformers sürümünün gerektiğini ve multimodal kullanım için torchvision ile pillow kurulu olması gerektiğini belirtir. :contentReference[oaicite:23]{index=23}

Yaygın bağımlılıklar:

• torch
• transformers
• torchvision
• pillow

Hızlı Başlangıç

Transformers kurulumu:

pip install "transformers[serving]"

Temel yükleme örneği:

from transformers import pipeline

pipe = pipeline(
    "image-text-to-text",
    model="Jetlink/JetLLMLite-3.6",
    trust_remote_code=True
)

Serving Örnekleri

vLLM

vllm serve Jetlink/JetLLMLite-3.6

SGLang

docker run --gpus all \
  --shm-size 32g \
  -p 30000:30000 \
  -v ~/.cache/huggingface:/root/.cache/huggingface \
  --env "HF_TOKEN=<secret>" \
  --ipc=host \
  lmsysorg/sglang:latest \
  python3 -m sglang.launch_server \
      --model-path "Jetlink/JetLLMLite-3.6" \
      --host 0.0.0.0 \
      --port 30000

Docker Model Runner

docker model run hf.co/Jetlink/JetLLMLite-3.6

Uzun Bağlam Notları

JetLLMLite-3.6 yerel olarak 262.144 token destekler ve 1.010.000 token’a kadar genişletilebilir. Resmi model kartı uzun bağlam kullanımı için YaRN tabanlı rope scaling yapılandırma rehberi de içerir. :contentReference[oaicite:24]{index=24}

Güçlü Yönler

• güçlü kodlama ve agentic kabiliyetler
• gelişmiş frontend ve repository-level reasoning
• multimodal destek
• çok uzun yerel bağlam
• genişletilebilir ultra uzun bağlam
• modern MoE mimarisi
• popüler açık inference framework’leriyle uyumluluk :contentReference[oaicite:25]{index=25}

Sınırlamalar

• deployment tipine göre altyapı ihtiyacı ciddi olabilir
• uzun bağlam inference bellek baskısını büyük ölçüde artırabilir
• multimodal iş yükleri ek kaynak tüketir
• local kullanımın pratikliği quantization ve runtime seçimine çok bağlıdır
• gerçek dünya latency ve throughput değerleri framework ve donanım yapılandırmasına göre ciddi biçimde değişir

Kapsam Dışı / Dikkat Gerektiren Kullanımlar

Çıktılar şu alanlarda insan kontrolü olmadan kullanılmamalıdır:

• tıbbi karar verme
• hukuki tavsiye
• güvenlik kritik otomasyon
• yüksek riskli finansal kararlar
• doğrulama olmadan tam otonom aksiyonlar
• korumasız hassas production iş akışları

İnsan incelemesi, tool doğrulaması ve politika kontrolleri güçlü şekilde önerilir.

Lisans

Bu depo, upstream sürümle aynı lisansı takip eder.

• Lisans: Apache-2.0

Modeli yeniden dağıtıyor, fine-tune ediyor, quantize ediyor veya başka şekilde değiştiriyorsan; kullanımının upstream lisans ve attribution gereklilikleriyle uyumlu olduğundan emin olmalısın. :contentReference[oaicite:26]{index=26}

Atıf

Orijinal upstream model:

• Qwen/Qwen3.6-35B-A3B

Bu depo, kurum tarafından yönetilen bir kopyadır ve orijinal upstream kaynak değildir.

Atıf / Citation

Bu modeli araştırma, değerlendirme veya production dokümantasyonunda kullanıyorsan, lütfen orijinal Qwen3.6 sürümüne atıf yap.

Feragatname

Bu depo, kurumsal kullanım amacıyla paketleme, isimlendirme veya dağıtım odaklı bazı değişiklikler içerebilir.

Resmi güncellemeler, benchmark detayları, uzun bağlam ayarları ve upstream sürüm notları için orijinal Qwen model kartına bakılmalıdır. :contentReference[oaicite:27]{index=27}