/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
MOSS-Audio-4B-Thinking
Библиотека
mlx
Опубликована
9 мая 2026

MOSS-Audio-4B-Thinking-MLX-4bit

Языковая модельАудио, текст → текст

Квантизованная до INT4 аудиоязыковая модель на базе MOSS-Audio-4B-Thinking для анализа аудио и генерации текстовых ответов в MLX.

0скачиваний за 30 дней5лайковвеса обновлены1 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

RumiLabs выпустила MOSS-Audio-4B-Thinking-MLX-4bit — полностью квантизованный вариант MOSS-Audio-4B-Thinking для MLX. Модель объединяет аудиокодировщик, адаптер и DeepStack с языковой частью на базе Qwen3-4B; все компоненты представлены в INT4. По данным карточки, для инференса не требуется PyTorch.

Модель принимает аудио и формирует текстовые ответы для анализа речи и других звуков. Сборка ориентирована на устройства Apple, включая компьютеры с Apple Silicon; возможность работы на iPhone Pro-класса заявлена как целевая, но пока не проверена на устройстве. В карточке приведены результаты скорости и использования памяти на Apple M3 Ultra.

Качество зависит от типа аудио: тонкие различия музыкальных жанров распознаются хуже, а качество работы с именами и смешанными языковыми регистрами на китайском и корейском варьируется. В отдельных случаях генерация может упереться в лимит 2048 токенов. Лицензия — Apache-2.0.

Сценарии применения

  • анализ речи и звуковых записей
  • создание текстовых описаний аудиоклипов
  • обработка аудио на устройствах Apple Silicon
  • эксперименты с аудиоязыковыми моделями в MLX

Ограничения

Точность зависит от типа аудио: распознавание тонких музыкальных жанров и некоторых китайских смешанных регистров ограничено. Карточка также отмечает возможное усечение вывода при достижении лимита 2048 токенов и отсутствие проверки работы на iPhone.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MOSS-Audio-4B-Thinking-MLX-4bit

Release Status

  • Current community release: Yes
  • Variant: Pure-MLX end-to-end (LLM + audio path), fully INT4
  • Canonical pair: Released alongside MOSS-Audio-8B-Thinking-MLX-hybrid

This model was converted to MLX format from OpenMOSS-Team/MOSS-Audio-4B-Thinking and released as the pure-MLX 4-bit variant.

  • LLM: Qwen3-4B INT4 (group size 64)
  • Audio path: encoder + adapter + DeepStack, all INT4 on MLX
  • Runtime: no PyTorch at inference time

Layout

mlx_llm/         Qwen3-4B INT4 weights + tokenizer      (2.3 GB)
mlx_audio/       Audio encoder + adapter + DeepStack    (442 MB)
                 mergers, all INT4
scripts/         Pure-MLX bridge source
inference.py     Standalone example

Measured on Apple M3 Ultra

This bundleFull BF16
Decode speed163 t/s33 t/s
Decode steady-state peak3.0 GB26 GB
Transient prefill peak3.8 GB26 GB
Disk footprint2.74 GB10.4 GB

Audio quality varies by domain (speech vs non-speech); validate on your target data.

Mobile viability

This bundle targets iPhone Pro-class devices (8 GB RAM, ~4-5 GB app budget). 3.8 GB transient prefill peak + ~150ms spike duration has not yet been validated on-device.

Usage

pip install mlx mlx-lm librosa numpy transformers safetensors
python inference.py --audio your_clip.wav

The inference script auto-detects bundle size from the adapter weights. No PyTorch required at runtime — mel spectrogram and input_ids expansion are pure-MLX via scripts/moss_audio_mel_mlx.py. For Swift/iOS integration, port scripts/moss_audio_mlx_bridge_v3.py + scripts/moss_audio_mel_mlx.py (~450 lines combined, no PyTorch deps).

Defaults and knobs

  • --repetition-penalty 1.02 — kills decode-loops on non-speech clips without starving genre descriptions. Raising to 1.05 hurts clip_07 quality; lowering to 1.00 regresses 0.10 on the composite.
  • --max-tokens 2048 — sufficient for the full <think>...</think> + answer output on all measured clips (max observed: 640 tokens).

Evaluation (BFCL v3, community-run)

Text-only tool-calling evaluation (not an audio-caption quality metric), run on a 600-sample subset (simple/multiple/parallel = 200 each), greedy decoding (repetition_penalty=0), measured 2026-05.

CategoryThis bundle4B BF16Qwen3-4B base
simple (200)92.0%93.5%92.5%
multiple (200)89.5%93.0%88.0%
parallel (200)43.5%71.5%87.5%
3-cat avg75.0%86.0%89.3%

Single-call categories (simple/multiple) within 1–4 pp of BF16. Parallel degrades ~28 pp under INT4 — genuine decode regression, not a parser artifact. If your use case doesn't require parallel multi-function calls in one turn, this bundle is production-viable for tool calling.

Limitations

  • Fine-grained music genre (clip_07 holiday music): weakest clip. Hit rate on "sleigh bells/brass" is ~33% even with RP=1.02 dialed in.
  • CJK proper nouns: quality varies. Korean esports commentary preserves Hangul structure; Chinese scripted dialog is reliable; Chinese mixed-register (clip_04) sometimes paraphrases to English.
  • Thinking-block truncation: 1/21 runs hits max_tokens=2048 inside <think> on decode loops. RP=1.02 brings this down from the 2-4/21 seen in earlier configs.

Contributors

  • Rumilabs Inc - We are building the richest content knowledge base in the world to empower interactive media: Quantization, MLX conversion, pure-MLX audio runtime, benchmarking, and release packaging.

License

Apache-2.0 (inherited from base model).

Citation

Base model: MOSS-Audio.

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.

Ревизия весов
35d3258

0 моделей