/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Размер весов
2,5 ГБ
Лицензия
Не указана
Архитектура
qwen2 · dense
Базовая модель
eai-distill-0.5b
Библиотека
mlx
Опубликована
22 сен 2026

eai-distill-0.5b-chat-mlx-16bit

Генерация текстаТекст → текст3 профессии

16-битная конверсия диалоговой модели Enterprise-AI/eai-distill-0.5b в формате MLX для генерации текста на Apple Silicon.

511скачиваний 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 модели Enterprise-AI/eai-distill-0.5b для локального запуска на Apple Silicon. Это плотная авторегрессионная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM, примерно 494 млн параметров и контекстом до 32 768 токенов. Формат MLX и веса safetensors предназначены для инференса на встроенном GPU устройств Apple Silicon; модель поддерживает диалоговый режим и генерирует текст.

Конверсию можно применять для локальных диалоговых помощников, генерации текста и экспериментов с инференсом на компьютерах Mac. README оценивает занимаемую память примерно в 1,2 ГБ, но фактическая скорость и потребление памяти зависят от устройства и длины запроса. Модель рассчитана на Apple Silicon и не предназначена для запуска в MLX на иных аппаратных платформах. Лицензия указана как неизвестная, поэтому условия использования следует уточнить у авторов исходной модели и конверсии.

Сценарии применения

  • локальный диалоговый помощник на Mac
  • генерация текста на устройствах Apple Silicon
  • прототипирование чат-интерфейсов
  • эксперименты с локальным инференсом MLX

Ограничения

Модель ориентирована на инференс через MLX на Apple Silicon; работа с длинным контекстом требует достаточного запаса объединённой памяти. Лицензия неизвестна, а README не приводит подтверждённых сведений о поддерживаемых естественных языках.

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

eai-distill-0.5b-mlx-16bit

16-bit MLX conversion of Enterprise-AI/eai-distill-0.5b optimized for Apple Silicon native GPU inference.

Converted by: SirSahOl
Source Model: Enterprise-AI/eai-distill-0.5b
Framework: MLX by Apple
Quantization: 16-bit (Average 16.00 (unquantized bfloat16) bits per weight)
Format: safetensors
License: unknown


Model Details

  • Architecture: Qwen2ForCausalLM
  • Parameters: 0.5B
  • 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: ~1250 MB (Minimum recommended: 8 GB Unified Memory)

Quick Start

Installation

pip install mlx-lm

Usage

CLI

# Chat interactively
mlx_lm.chat --model SirSahOl/eai-distill-0.5b-chat-mlx-16bit

# Generate text
mlx_lm.generate --model SirSahOl/eai-distill-0.5b-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/eai-distill-0.5b-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~1200 MB~160 tokens/sec~30 msUltra-fast low-latency local edge inference & embedded assistants
M1 / M2 / M3 / M4 Pro18 GB – 36 GB~1200 MB~240 tokens/sec~21 msHigh-throughput concurrent processing, real-time agent loops
M1 / M2 / M3 / M4 Max36 GB – 128 GB~1200 MB~336 tokens/sec~15 msMaximum single-stream decoding velocity, swarm agents
M1 / M2 / M3 Ultra64 GB – 192 GB~1200 MB~448 tokens/sec~1 msMassive parallel batch evaluation, enterprise high-throughput 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~285 MB~325 MBM1 / M2 / M3 / M4 (8GB+ Unified Memory)Ultra-compact footprint, maximum generation speed; negligible memory pressure.
8-bit MLX~540 MB~585 MBM1 / M2 / M3 / M4 (8GB+ Unified Memory)Near-lossless precision with an extremely lightweight footprint.
16-bit MLX (This Repository)~1020 MB~1090 MBM1 / M2 / M3 / M4 (8GB+ Unified Memory)Full unquantized precision; zero perplexity penalty for reference evaluation.

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/eai-distill-0.5b-chat-mlx-4bit
8-bitSirSahOl/eai-distill-0.5b-chat-mlx-8bit
16-bitSirSahOl/eai-distill-0.5b-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/eai-distill-0.5b-chat-mlx-16bit
PARAMETER stop "<|im_start|>"
PARAMETER stop "<|im_end|>"
PARAMETER stop "<|endoftext|>"
PARAMETER temperature 0.7
ollama create eai-distill-0.5b-chat-mlx-16bit -f Modelfile
ollama run eai-distill-0.5b-chat-mlx-16bit

Conversion Details

PropertyValue
Source ModelEnterprise-AI/eai-distill-0.5b
Quantization16-bit
mlx-lm Version0.31.3
Conversion Time5.73s
Output Size2.4 GB
Date2026-09-22T02:18:01.485214+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--EssentialAI--eai-distill-0.5b/snapshots/39f51ea6e8f1e959961feea0403c69ecfcc8b342 --mlx-path output/eai-distill-0.5b-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
v1.02026-09-22Initial 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
Qwen2ForCausalLM
Ревизия весов
cdffbb3

0 моделей