/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
8,4 ГБ
Лицензия
Не указана
Архитектура
qwen3_5 · dense
Базовая модель
Tev1-4B-experimental
Библиотека
mlx
Опубликована
1 окт 2026

Tev1-4B-experimental-chat-mlx-16bit

Генерация текстаТекст → текст4 профессии

16-битная MLX-конверсия экспериментальной чат-модели Together AI для локальной генерации текста и структурированных задач принятия решений на Apple Silicon.

320скачиваний за 30 дней0лайковвеса обновлены1 окт 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 экспериментальной модели togethercomputer/Tev1-4B-experimental для запуска через MLX на Apple Silicon. Это плотная модель семейства Qwen3.5 с архитектурой Qwen3_5ForConditionalGeneration и примерно 4 млрд параметров; она поддерживает чат и генерацию текста с контекстом до 32 768 токенов. Конверсия использует формат safetensors и сохраняет BF16-точность исходных весов.

Модель предназначена для локального инференса и экспериментальной оценки диалоговой генерации, в том числе на структурированных задачах принятия решений, для которых обучалась базовая модель. Для запуска требуется около 9 ГБ памяти, поэтому автор рекомендует Apple Silicon с достаточным объёмом объединённой памяти. Эта версия ориентирована на GPU Apple Silicon и не является универсальной сборкой для других аппаратных платформ. Лицензия указана как неизвестная.

Сценарии применения

  • локальный запуск чат-модели на компьютерах Apple Silicon
  • генерация ответов в диалоговом интерфейсе
  • выбор одного варианта в структурированных задачах принятия решений
  • оценка качества экспериментальной модели в локальном инференсе

Ограничения

Сборка предназначена для Apple Silicon и требует примерно 9 ГБ памяти для весов; длинный контекст требует дополнительного запаса объединённой памяти. Лицензия не определена.

Для каких профессий подходит4

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

Tev1-4B-experimental-mlx-16bit

16-bit MLX conversion of togethercomputer/Tev1-4B-experimental optimized for Apple Silicon native GPU inference.

Converted by: SirSahOl
Source Model: togethercomputer/Tev1-4B-experimental
Framework: MLX by Apple
Quantization: 16-bit (Average 16.00 (unquantized bfloat16) bits per weight)
Format: safetensors
License: unknown


Model Details

  • Architecture: Qwen3_5ForConditionalGeneration
  • Parameters: 4B
  • Context Length: 32,768 tokens
  • Format: MLX (Apple Silicon native GPU format)
  • Quantization: 16-bit (Average 16.00 (unquantized bfloat16) bits per weight)
  • Active VRAM Footprint: ~9.3 GB (Minimum recommended: 16 GB Unified Memory)

Quick Start

Installation

pip install mlx-lm

Usage

CLI

# Chat interactively
mlx_lm.chat --model SirSahOl/Tev1-4B-experimental-chat-mlx-16bit

# Generate text
mlx_lm.generate --model SirSahOl/Tev1-4B-experimental-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/Tev1-4B-experimental-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

Measured Benchmarks (Apple M1)

Metric4-bit8-bit
Tokens/sec20.7611.89
TTFT48.17 ms84.12 ms
Peak Memory1908.2 MB89.4 MB

Benchmarked on Apple M1 with 8GB unified memory. Average over 5 runs with 256 max tokens.


Multi-Quantization Comparison

Evaluate your hardware budget and choose the optimal precision:

VariantDisk SizeVRAM FootprintTarget Apple Silicon HardwareKey Advantage
4-bit MLX~2.6 GB~2.6 GBM1 / M2 / M3 / M4 (8GB+)Maximum generation speed and lowest RAM overhead.
8-bit MLX~4.7 GB~4.7 GBM1 / M2 / M3 / M4 Pro/Max (16GB+)Balanced accuracy and generation speed; near-lossless reasoning.
16-bit MLX (This Repository)~8.8 GB~8.8 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/Tev1-4B-experimental-chat-mlx-4bit
8-bitSirSahOl/Tev1-4B-experimental-chat-mlx-8bit
16-bitSirSahOl/Tev1-4B-experimental-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/Tev1-4B-experimental-chat-mlx-16bit
PARAMETER stop "<|im_start|>"
PARAMETER stop "<|im_end|>"
PARAMETER stop "<|endoftext|>"
PARAMETER temperature 0.7
ollama create tev1-4b-experimental-chat-mlx-16bit -f Modelfile
ollama run tev1-4b-experimental-chat-mlx-16bit

Conversion Details

PropertyValue
Source Modeltogethercomputer/Tev1-4B-experimental
Quantization16-bit
mlx-lm Version0.31.3
Conversion Time88.3s
Output Size7.9 GB
Date2026-10-01T07:02:48.813777+00:00

Reproduction

To reproduce this conversion:

pip install mlx-lm==0.31.3
python3 -m mlx_lm.convert --hf-path togethercomputer/Tev1-4B-experimental --mlx-path output/Tev1-4B-experimental-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: unknown.

See the original model card for full license details.


Changelog

VersionDateChanges
v1.02026-10-01Initial 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
Qwen3_5ForConditionalGeneration
Ревизия весов
27bec08

0 моделей