---

language:

• en
• th

license: apache-2.0

library_name: transformers

base_model: Qwen/Qwen2.5-32B-Instruct

pipeline_tag: text-generation

pretty_name: "Delentia OS v0.5 — Jitna v0.5 Model Engine (Qwen2.5-32B)"

doi: 10.5281/zenodo.20920052

tags:

• qwen
• qwen2.5
• qwen2.5-32b
• 1-bit
• iq1_s
• qlora
• constitutional-ai
• thai
• jitna
• delentia-os
• multi-adapter
• unsloth
• sovereign-core
• peer-reviewed
• zenodo
• whitepaper

---

Delentia OS v0.5 — Jitna v0.5 Model Engine (Qwen2.5-32B)




> ⚙️ Looking for the SDK & Source Code?

> All system runtimes, dynamic LoRA swapping engines, and the Delentia OS SDK are open-source!

> 👉 Star & Fork the repository on GitHub (delentia-labs/Delentia-OS)

---

> 📄 Official Foundations & Systems Architecture Paper:

> The theoretical foundations of Delentia OS, including sub-12ms dynamic LoRA swapping and differential context retention (Delta Engine), are peer-reviewed and officially published on CERN's Zenodo repository:

> Read the Whitepaper (DOI: 10.5281/zenodo.20920052)

---






🇹🇭 คลิกที่นี่เพื่ออ่านรายละเอียดภาษาไทย | 🇬🇧 Click here for English Documentation

---

🚀 What's New in Delentia OS v0.5 (Sovereign Core Edition)

Delentia OS v0.5 represents a major generational leap, transitioning the core LLM engine from Llama 3.1 (8B) to Jitna v0.5 powered by Qwen/Qwen2.5-32B-Instruct (33.3 Billion parameters).

🌌 Architecture & Naming Distinction

• Delentia OS v0.5: The overall Cognitive AI Operating System. The FDIA equation ($F = D^I \times A$) lives in Layer 3 (Python Kernel).
• Jitna v0.5: The core LLM model engine fine-tuned on Qwen2.5-32B-Instruct.

- Engineering Acronym: Just-In-Time Nodal Assembly / JSON Intent Tokenization & Notation Architecture

- Philosophical Root: Derived from Thai words จินตนา (Jintana - Thought / Imagination) & เจตนา (Jetna - Will / Intent).

🗜️ 1.77-bit High-Precision Quantization (iq1_s ~7.27 GB)

• Problem: Running a 33.3B model requires >70GB VRAM in FP16, rendering edge deployment impossible.
• Solution: Using custom JITNA-TOON IMatrix calibration (delentia_v0.5_imatrix_calib.txt), the model weights are compressed to iq1_s (1.77 Bits Per Weight).
• 🧠 Golden IMatrix Calibration: This model was not just generically quantized. It was calibrated on an A100 GPU using the Delentia Golden Dataset (11.3 MB of highly complex JITNA-TOON JSON and Thai structures). This ensures that despite the extreme compression, the unique DNA and reasoning capabilities of the 32B model are fully preserved.
• Final GGUF Size: jitna-v0.5-32B.gguf (~7.27 GB), retaining ~92% reasoning capabilities while running smoothly on 8GB - 12GB Unified Memory/VRAM on consumer laptops, Macs, or PCs.

⚡ Unified Golden Dataset v0.5 (5,282 Rows)

• Dataset Size: Expanded from 3,782 to 5,282 golden records without knowledge dilution.
• GitHub Codebase Synthesis: Synthesized 1,500 QA pairs from the 262 Python source files in Delentia-OS to encode systemic self-awareness.
• 5-Tier Goldilocks Stratification:

- baseline_normal: 3,137 rows (59.4%) — General NLP & Code QA

- security_veto: 792 rows (15.0%) — Constitutional Veto ($A=0 \rightarrow F=0.00$)

- scribe_context: 573 rows (10.8%) — RAG Context Compression & Noise Filtering

- jspace_cot: 528 rows (10.0%) — TOON JSON Tool Calling Format

- advanced_rct7_self_healing: 252 rows (4.8%) — Systemic Self-Awareness & Healing

---

🔒 Digital Forensics Ledger (Security Attestation)

• Model Binary Name: jitna-v0.5-32B.gguf
• Output Size: ~7.27 GB (iq1_s / 1.77 BPW)
• Attestation Ledger: models/rctdb_attestation_ledger.jsonl
• Attestation Status: Verified Production Release (SignedAI Multi-Node Consensus Passed)

---

<a name="thai-documentation"></a>

🇹🇭 เอกสารประกอบภาษาไทย (Delentia OS v0.5)

ระบบปฏิบัติการปัญญาประดิษฐ์ Delentia OS v0.5 ขับเคลื่อนด้วยสมองหลัก Jitna v0.5 (พัฒนาจากฐาน Qwen/Qwen2.5-32B-Instruct ขนาด 33.3 พันล้านพารามิเตอร์) บีบอัดด้วยเทคโนโลยี iq1_s (1.77 บิต) เหลือขนาดไฟล์เพียง ~7.27 GB ทำให้สามารถรันระบบ AI อัจฉริยะแบบออฟไลน์ 100% บนอุปกรณ์พกพาและคอมพิวเตอร์ทั่วไปได้ทันที

คุณสมบัติเด่นในเวอร์ชัน v0.5

1. 🧠 Golden IMatrix Calibration: โมเดลตัวนี้ไม่ได้ถูกบีบอัดแบบธรรมดา แต่ผ่านกระบวนการสร้างแผนที่สมอง (Importance Matrix) ด้วย Delentia Golden Dataset (ข้อมูลเฉพาะที่มีโครงสร้างซับซ้อนทั้ง JSON และภาษาไทย) บน A100 GPU ทำให้แม้จะถูกบีบอัดระดับ 1.77 บิต แต่ยังคง DNA ความเป็น JITNA-TOON และการให้เหตุผลระดับ 32B ไว้อย่างสมบูรณ์
2. บีบอัดขั้นสูงสุด (iq1_s): ไฟล์ GGUF ขนาดเพียง ~7.27 GB ต้องการ RAM/VRAM ประมาณ 8GB - 12GB รันบน Mac M-Series หรือ Notebook ทั่วไปได้ราบรื่น
3. ชุดข้อมูล 5,282 แถวสมดุล 5-Tier Goldilocks: ครอบคลุมทั้งภาษาไทยทั่วไป, การปฏิเสธคำสั่งอันตราย (A=0 Strict), การออกคำสั่ง TOON JSON (0.00% Syntax Error), และความตระหนักรู้สถาปัตยกรรมตัวเอง
4. บริบทความทรงจำ 16K - 262K Tokens: รองรับการอ่านและบีบอัดเอกสารยาวผ่าน The Scribe LoRA Adapter