Cheva123/Jamjuri-Preview-9B

Jamjuri — Preview

Jamjuri is the first fine-tuned model released by Cheva Labs.

Target Hub repository: Cheva123/Jamjuri-Preview-9B
Published artifact: JamjuriLLM-9B-Q8_0.gguf only

This preview is an early experiment focused on practical Thai SME workflows: Thai communication, document drafting, RAG, tool use, and simple business automation.

Experimental preview — do not use this model for production or real business operations.
Jamjuri is still in a very early stage of development. Its outputs may be incomplete, incorrect, inconsistent, or unsafe for real-world decisions. Do not rely on it for financial, legal, medical, operational, or other high-impact work.

English

What this preview is

Jamjuri Preview is Cheva Labs' first public fine-tuned model. The goal of this release is not to present a finished production model, but to document an early step toward a Thai-first local AI assistant for small and medium-sized businesses.

Current areas of focus:

• Thai workplace communication
• Document and business writing
• Retrieval-Augmented Generation (RAG)
• Tool / function calling
• Simple workflow automation
• Preserving general reasoning, math, coding, and instruction-following ability

Model

• Base model: Qwen3.5-9B
• Post-training: 3 Expert LoRA + merge
• Primary preview format: GGUF Q8_0
• Languages: Thai and English
• Status: Experimental research preview

Early benchmark snapshot

The table below is an early, vendor-selected evaluation subset used during development. It is not a complete benchmark suite, does not measure 100% of model capability, and should not be treated as a universal ranking.

Benchmark	Qwen Q8	Jamjuri Q8	Difference
BFCL V4 — simple_python	94.00%	93.00%	-1.00 pp
IFEval — strict	83.36%	84.10%	+0.74 pp
Thai Eval — Belebele fallback	75.00%	80.78%	+5.78 pp
GSM8K — strict	83.40%	84.84%	+1.44 pp
MMLU-Pro — 700-sample gate	72.57%	73.29%	+0.71 pp
HumanEval+ — pass@1	82.90%	84.80%	+1.90 pp
MBPP+ — pass@1	65.90%	64.30%	-1.60 pp

In this development snapshot, Jamjuri scored higher on 5 of the 7 selected no-thinking evaluations. These results are useful for internal comparison, but they are not sufficient to claim broad superiority over the base model.

τ³ Retail result

A thinking-mode τ³ Retail run completed 114/114 terminal simulations for both models. Mean reward on reward-bearing records was 15.91% for Qwen (7/44) and 24.07% for Jamjuri (13/54). However, the two runs did not use an identical external judge route, so this result is treated as directional evidence only, not a controlled apples-to-apples benchmark. Infrastructure errors were recorded in both runs.

A broader set of standard and community benchmarks will be published later after the evaluation setup is made more reproducible and complete.

Intended use

This model is intended for:

• Research and experimentation
• Local inference testing
• Thai SME workflow prototyping
• RAG / tool-use experiments
• Benchmarking and evaluation

Not intended for

Do not use this preview as a production business assistant or autonomous decision-maker.

Avoid using it for:

• Financial decisions or accounting approval
• Legal advice or legal document approval
• Medical or safety-critical decisions
• Autonomous purchases, payments, or irreversible actions
• Production customer support without human review
• Any workflow where an incorrect answer can cause material harm

Release philosophy

Jamjuri Preview is being released early so the work can be documented, tested, and improved in public. The model is expected to change substantially in later versions.

ภาษาไทย

Jamjuri Preview คืออะไร

Jamjuri Preview เป็นโมเดล Fine-tune ตัวแรกที่ Cheva Labs ปล่อยสู่สาธารณะ โดยเป้าหมายของรุ่นนี้ไม่ใช่การเป็นโมเดลพร้อมใช้งานจริง แต่เป็นก้าวแรกของการทดลองพัฒนา Local AI ที่เน้นการใช้งานในบริบทของ SME ไทย

ความสามารถที่กำลังพัฒนาในรุ่นนี้ ได้แก่

• การสื่อสารภาษาไทยในบริบทการทำงาน
• การเขียนเอกสารและข้อความทางธุรกิจ
• Retrieval-Augmented Generation (RAG)
• Tool / Function Calling
• Workflow automation แบบพื้นฐาน
• การรักษาความสามารถเดิมด้าน Reasoning, Math, Coding และ Instruction Following

ข้อมูลโมเดล

• Base model: Qwen3.5-9B
• Post-training: 3 Expert LoRA + Merge
• รูปแบบ Preview หลัก: GGUF Q8_0
• ภาษา: ไทยและอังกฤษ
• สถานะ: Experimental Research Preview

ไม่ควรนำ Jamjuri Preview ไปใช้ในงานจริงหรือระบบ Production
โมเดลยังอยู่ในช่วงทดลองระยะแรกมาก คำตอบอาจผิด ไม่ครบ ไม่สม่ำเสมอ หรือมีพฤติกรรมที่ยังไม่ได้รับการทดสอบเพียงพอ ทุกงานที่มีผลกระทบจริงควรมีมนุษย์ตรวจสอบเสมอ

ผล Benchmark เบื้องต้น

ผลด้านล่างเป็น ชุด Benchmark ที่ Cheva Labs เลือกใช้ระหว่างการพัฒนา เท่านั้น ไม่ใช่ชุดทดสอบที่ครอบคลุมความสามารถทั้งหมดของโมเดล และ ไม่ได้หมายความว่าเป็นผล Benchmark สากลแบบ 100%

Benchmark	Qwen Q8	Jamjuri Q8	ต่างกัน
BFCL V4 — simple_python	94.00%	93.00%	-1.00 pp
IFEval — strict	83.36%	84.10%	+0.74 pp
Thai Eval — Belebele fallback	75.00%	80.78%	+5.78 pp
GSM8K — strict	83.40%	84.84%	+1.44 pp
MMLU-Pro — 700-sample gate	72.57%	73.29%	+0.71 pp
HumanEval+ — pass@1	82.90%	84.80%	+1.90 pp
MBPP+ — pass@1	65.90%	64.30%	-1.60 pp

ในชุดทดสอบเบื้องต้นแบบ no-thinking นี้ Jamjuri มีคะแนนสูงกว่า Base ใน 5 จาก 7 รายการ แต่ผลนี้ควรถูกมองเป็นข้อมูลสำหรับการเปรียบเทียบระหว่างการพัฒนาเท่านั้น และยังไม่เพียงพอสำหรับสรุปว่าโมเดลดีกว่า Base ในภาพรวมทุกด้าน

τ³ Retail

การทดสอบ τ³ Retail แบบ thinking-mode เสร็จสิ้น 114/114 terminal simulations สำหรับทั้งสองโมเดล โดยมีค่า mean reward จากรายการที่มี reward เท่ากับ 15.91% สำหรับ Qwen (7/44) และ 24.07% สำหรับ Jamjuri (13/54) อย่างไรก็ตาม รอบทดสอบของสองโมเดลไม่ได้ใช้ external judge route ที่เหมือนกันทุกประการ ดังนั้นผลนี้ถือเป็น directional evidence เท่านั้น ไม่ใช่ controlled benchmark ที่สมบูรณ์ และทั้งสองรอบมี infrastructure error บางส่วน

Benchmark สากลและ Community Benchmark ที่กว้างกว่านี้จะทยอยเพิ่มในภายหลัง หลังจากระบบประเมินมีความ reproducible และครอบคลุมมากขึ้น

เหมาะสำหรับ

• งานวิจัยและการทดลอง
• การทดสอบ Local inference
• Prototype workflow สำหรับ SME ไทย
• การทดลอง RAG และ Tool Use
• Benchmark และ Evaluation

ไม่เหมาะสำหรับ

ไม่ควรใช้โมเดลนี้เป็นผู้ช่วยธุรกิจใน Production หรือระบบตัดสินใจอัตโนมัติ

ควรหลีกเลี่ยงการใช้กับ:

• การตัดสินใจด้านการเงินหรืออนุมัติบัญชี
• คำแนะนำหรือการอนุมัติเอกสารด้านกฎหมาย
• การแพทย์หรือระบบที่เกี่ยวข้องกับความปลอดภัย
• การซื้อ จ่ายเงิน หรือทำคำสั่งที่ย้อนกลับไม่ได้แบบอัตโนมัติ
• Customer support จริงโดยไม่มีมนุษย์ตรวจสอบ
• งานใด ๆ ที่คำตอบผิดสามารถสร้างความเสียหายจริง

แนวทางของ Preview

Jamjuri Preview ถูกปล่อยในช่วงแรกเพื่อให้สามารถบันทึกผล ทดลอง และพัฒนาต่อแบบเปิดเผยได้ โมเดลรุ่นถัดไปอาจเปลี่ยนแปลงจากรุ่นนี้อย่างมาก

Local inference

llama.cpp

llama-server \
  --model JamjuriLLM-9B-Q8_0.gguf \
  --jinja \
  --ctx-size 16384 \
  --n-predict 4096 \
  --temperature 0.7 \
  --host 127.0.0.1 \
  --port 8080

The OpenAI-compatible endpoint is available at http://127.0.0.1:8080/v1.

Ollama

ollama create jamjuri:9b-q8 -f Modelfile.Q8_0
ollama run jamjuri:9b-q8

Release files

• JamjuriLLM-9B-Q8_0.gguf — the only model weight staged for this release
• Modelfile.Q8_0 — Ollama configuration
• assets/jamjuri-preview.png — model-card artwork
• MANIFEST.json — local checksum and provenance record

This preview uses the Apache-2.0 license, matching the Qwen3.5-9B base model. Dataset and adapter redistribution terms should still be reviewed separately before public release.

Cheva Labs

Cheva Labs builds open, practical AI and engineering tools with an emphasis on local AI, reproducible experiments, and making advanced systems more accessible to Thai users, students, individuals, and smaller organizations.