/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,2 млрд
Размер весов
3 ГБ
Лицензия
Llama 3.2
Архитектура
llama · dense
Базовая модель
Llama-Guard-3-1B
Библиотека
mlx
Опубликована
22 сен 2026

Llama-Guard-3-1B-chat-mlx-16bit

Генерация текстаТекст → текст3 профессии

16-битная конверсия Llama Guard 3 1B в MLX для генерации текста и локальной проверки безопасности контента на Apple Silicon.

556скачиваний за 30 дней0лайковвеса обновлены22 сен 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

SirSahOl подготовил 16-битную конверсию Meta Llama Guard 3 1B в формат MLX для локального запуска на графическом процессоре Apple Silicon. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 1,2 млрд параметров и контекстом до 131 072 токенов. Репозиторий указывает формат safetensors и лицензию llama3.2.

Модель предназначена для генерации текста в диалоговом шаблоне. Базовая Llama Guard 3 1B специализируется на классификации запросов и ответов по категориям безопасности контента, поэтому её можно применять для локальной проверки таких текстов. Карточка описывает поддержку английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского языков. Версия MLX ориентирована на устройства Apple Silicon; для длинного контекста требуется достаточно свободной объединённой памяти. README содержит общие оговорки по памяти и точности, но замечание о потере точности относится к 4-битному варианту, а не к этой 16-битной конверсии.

Сценарии применения

  • проверка пользовательских запросов по категориям безопасности
  • проверка ответов чат-бота перед показом пользователю
  • локальный запуск Llama Guard на компьютерах Apple Silicon

Ограничения

Конверсия рассчитана на Apple Silicon и формат MLX; длинные контексты требуют значительного запаса объединённой памяти. Применимость к категориям безопасности следует оценивать с учётом специализации базовой модели и целевых языков.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Llama-Guard-3-1B-mlx-16bit

16-bit MLX conversion of meta-llama/Llama-Guard-3-1B optimized for Apple Silicon native GPU inference.

Converted by: SirSahOl
Source Model: meta-llama/Llama-Guard-3-1B
Framework: MLX by Apple
Quantization: 16-bit (Average 16.00 (unquantized bfloat16) bits per weight)
Format: safetensors
License: llama3.2


Model Details

  • Architecture: LlamaForCausalLM
  • Parameters: 1.0B
  • Context Length: 131,072 tokens
  • Format: MLX (Apple Silicon native GPU format)
  • Quantization: 16-bit (Average 16.00 (unquantized bfloat16) bits per weight)
  • Active VRAM Footprint: ~2.6 GB (Minimum recommended: 8 GB Unified Memory)

Quick Start

Installation

pip install mlx-lm

Usage

CLI

# Chat interactively
mlx_lm.chat --model SirSahOl/Llama-Guard-3-1B-chat-mlx-16bit

# Generate text
mlx_lm.generate --model SirSahOl/Llama-Guard-3-1B-chat-mlx-16bit --prompt "Write a short poem about artificial intelligence."

Python API (with Chat Template)

from mlx_lm import load, generate

model, tokenizer = load("SirSahOl/Llama-Guard-3-1B-chat-mlx-16bit")

messages = [
    {"role": "user", "content": "Explain quantum superposition in simple terms."}
]
prompt = tokenizer.apply_chat_template(
    messages, tokenize=False, add_generation_prompt=True
)

response = generate(model, tokenizer, prompt=prompt, verbose=True)
print(response)

Performance Benchmarks

Apple Silicon Hardware Sizing Matrix

Estimated decoding throughput, time-to-first-token (TTFT), and active unified memory footprint across Apple Silicon tiers:

Apple Silicon TierUnified MemoryActive VRAMEstimated SpeedEst. TTFTRecommended Use Case
M1 / M2 / M3 / M4 (Base)8 GB Unified Memory~2.6 GB~80 tokens/sec~31 msEveryday interactive assistant & fast local completions
M1 / M2 / M3 / M4 Pro18 GB – 36 GB~2.6 GB~120 tokens/sec~21 msBalanced daily driver for coding, tool invocation, and multi-turn chat
M1 / M2 / M3 / M4 Max36 GB – 128 GB~2.6 GB~172 tokens/sec~13 msHigh-throughput generation, low latency, agent orchestration
M1 / M2 / M3 Ultra64 GB – 192 GB~2.6 GB~240 tokens/sec~9 msPeak concurrency, batch document extraction, production serving

Projections based on Apple Silicon memory bandwidth saturation for 16-bit weights. Real-world speeds vary by prompt length.


Multi-Quantization Comparison

Evaluate your hardware budget and choose the optimal precision:

VariantDisk SizeVRAM FootprintTarget Apple Silicon HardwareKey Advantage
4-bit MLX~0.9 GB~0.9 GBM1 / M2 / M3 / M4 (8GB+)Maximum generation speed and lowest RAM overhead.
8-bit MLX~1.5 GB~1.5 GBM1 / M2 / M3 / M4 Pro/Max (16GB+)Balanced accuracy and generation speed; near-lossless reasoning.
16-bit MLX (This Repository)~2.8 GB~2.8 GBM2 / M3 / M4 Max/Ultra (32GB+)Full unquantized precision; reference evaluation quality.

Who Should Use This?

Your HardwareRecommended Quantization
M1/M2/M3/M4 (8GB – 16GB)4-bit — Best balance of speed, low memory, and multitasking capability
M1/M2/M3/M4 Pro/Max (18GB – 36GB)8-bit — Higher quality reasoning with comfortable memory headroom
M1/M2/M3/M4 Max/Ultra (36GB – 192GB)16-bit — Unquantized full precision, zero quality degradation

General guidance:

  • Use 4-bit if you want to run this model alongside IDEs, browsers, and background development tools.
  • Use 8-bit if you have 16GB+ unified memory and require superior reasoning and code accuracy.
  • Use 16-bit for research, benchmarking, evaluation, or high-end workstation deployments.

Other Quantization Variants

VariantLink
4-bitSirSahOl/Llama-Guard-3-1B-chat-mlx-4bit
8-bitSirSahOl/Llama-Guard-3-1B-chat-mlx-8bit
16-bitSirSahOl/Llama-Guard-3-1B-chat-mlx-16bit

LM Studio & Local Inference Setup Guide

To prevent runaway loops and ensure correct conversational turn-taking, configure custom stop tokens in your local inference runtime:

  1. <|im_start|>
  2. <|im_end|>
  3. <|endoftext|>

Prompt Template Formatting

  • System Prefix: <|im_start|>system\n
  • System Suffix: <|im_end|>\n
  • User Prefix: <|im_start|>user\n
  • Assistant Suffix: <|im_end|>\n<|im_start|>assistant\n

Ollama Quickstart

FROM SirSahOl/Llama-Guard-3-1B-chat-mlx-16bit
PARAMETER stop "<|im_start|>"
PARAMETER stop "<|im_end|>"
PARAMETER stop "<|endoftext|>"
PARAMETER temperature 0.7
ollama create llama-guard-3-1b-chat-mlx-16bit -f Modelfile
ollama run llama-guard-3-1b-chat-mlx-16bit

Conversion Details

PropertyValue
Source Modelmeta-llama/Llama-Guard-3-1B
Quantization16-bit
mlx-lm Version0.31.3
Conversion Time6.66s
Output Size2.8 GB
Date2026-09-22T02:19:32.449885+00:00

Reproduction

To reproduce this conversion:

pip install mlx-lm==0.31.3
python3 -m mlx_lm.convert --hf-path /root/.cache/huggingface/hub/models--alpindale--Llama-Guard-3-1B/snapshots/758d9d0f17f85db2fb7fae0dd9ec67bb9b099592 --mlx-path output/Llama-Guard-3-1B-mlx-16bit

Limitations & Known Issues

  • 4-bit group-wise quantization introduces minor precision loss compared to unquantized weights; for deep mathematical derivations or precision-critical reasoning, test the 8-bit or 16-bit variants.
  • High context sequences (>32K tokens) require sufficient unified memory headroom; ensure unified memory is not overcommitted.
  • This is a weight-only MLX conversion designed specifically for Apple Silicon GPUs (M1/M2/M3/M4 series).

License

This model conversion inherits the license of the source model: llama3.2.

See the original model card for full license details.


Changelog

VersionDateChanges
v1.02026-09-22Initial conversion

Converted with MLX Foundry — a professional pipeline for converting models to Apple MLX format.

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.

Класс архитектуры
LlamaForCausalLM
Ревизия весов
8bb51ce

0 моделей