/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
3,8 млрд
Размер весов
7,7 ГБ
Лицензия
MIT
Архитектура
phi3 · dense
Базовая модель
Phi-4-mini-instruct
Библиотека
mlx
Опубликована
12 сен 2026

Phi-4-mini-instruct-chat-mlx-16bit

Генерация текстаТекст → текст12 профессий

16-битная конверсия Phi-4-mini-instruct в формат MLX для диалоговой генерации текста на устройствах Apple Silicon.

246скачиваний за 30 дней1лайквеса обновлены12 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 преобразовал Phi-4-mini-instruct от Microsoft в формат MLX с 16-битными весами для запуска на компьютерах Apple Silicon. Это плотная авторегрессионная языковая модель семейства Phi-4 с 3,8 млрд параметров, рассчитанная на диалоговую генерацию текста. Модель подходит для ответов на вопросы, написания и редактирования текстов, генерации кода и рассуждений в приложениях с ограниченными ресурсами.

Репозиторий содержит веса в формате safetensors и использует библиотеку MLX. В метаданных указан контекст 4096 токенов; автор README предупреждает о возможном ухудшении качества при очень длинном контексте и указывает, что для запуска с MLX требуется Apple Silicon M1 или новее. Бенчмарки для этой версии пока не приведены. Лицензия — MIT.

Сценарии применения

  • ответы на вопросы в диалоговом интерфейсе
  • генерация и редактирование текстов
  • написание и объяснение кода
  • локальный запуск компактного чат-бота на Apple Silicon

Ограничения

Для запуска с MLX требуется Apple Silicon M1 или новее. Бенчмарки этой версии не приведены; README также предупреждает о возможном ухудшении качества на очень длинном контексте, особенно при низкой разрядности.

Для каких профессий подходит12

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Phi-4-mini-instruct-mlx-16bit

16-bit MLX conversion of microsoft/Phi-4-mini-instruct for Apple Silicon.

Converted by: SirSahOl Source model: microsoft/Phi-4-mini-instruct Framework: MLX by Apple Quantization: 16-bit Format: safetensors License: mit


Quick Start

Installation

pip install mlx-lm

CLI Usage

# Chat interactively
mlx_lm.chat --model SirSahOl/Phi-4-mini-instruct-chat-mlx-16bit

# Generate text
mlx_lm.generate --model SirSahOl/Phi-4-mini-instruct-chat-mlx-16bit --prompt "Your prompt here"

Python Usage

from mlx_lm import load, generate

model, tokenizer = load("SirSahOl/Phi-4-mini-instruct-chat-mlx-16bit")
response = generate(model, tokenizer, prompt="Your prompt here", max_tokens=256)
print(response)

Performance Benchmarks

Benchmarks coming soon.


Who Should Use This?

Your HardwareRecommended Quantization
M1/M2 (8GB)4-bit — Best balance of quality and memory usage
M1/M2 Pro/Max (16-32GB)8-bit — Higher quality with reasonable memory
M2/M3/M4 Ultra (64GB+)16-bit — Full precision, no quality loss

General guidance:

  • Use 4-bit if you want to run this model alongside other applications
  • Use 8-bit if you have the memory and want better quality
  • Use 16-bit for research, evaluation, or if memory isn't a concern

Other Quantization Variants

VariantLink
4-bitSirSahOl/Phi-4-mini-instruct-chat-mlx-4bit
8-bitSirSahOl/Phi-4-mini-instruct-chat-mlx-8bit
16-bitSirSahOl/Phi-4-mini-instruct-chat-mlx-16bit

Conversion Details


Limitations & Known Issues

  • Performance may degrade with very long contexts (>8K tokens) at lower quantization levels.
  • This is a weight-only conversion; the model architecture and behavior are inherited from the source model.
  • Quantization introduces a small quality loss compared to the original model. Lower bit counts = more loss.
  • This model requires Apple Silicon (M1 or later) to run with MLX.

License

This model conversion inherits the license of the source model: mit.

See the original model card for full license details.


Changelog

VersionDateChanges
v1.0N/AInitial 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
Phi3ForCausalLM
Ревизия весов
04c3772

0 моделей