/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1 млрд
Размер весов
2 ГБ
Лицензия
Gemma
Архитектура
gemma3_text · dense
Базовая модель
gemma-3-1b-it
Библиотека
mlx
Опубликована
22 сен 2026

gemma-3-1b-it-chat-mlx-16bit

Генерация текстаТекст → текст6 профессий

16-битная конверсия Gemma 3 1B IT для локальных диалогов и генерации текста на устройствах Apple Silicon через MLX.

460скачиваний 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 конверсию Gemma 3 1B IT для запуска через MLX на устройствах Apple Silicon. Это плотная языковая модель с архитектурой Gemma3ForCausalLM и примерно 1 млрд параметров, предназначенная для диалогов и генерации текста. Модель принимает текст и использует контекст до 32 768 токенов.

Веса представлены в формате MLX и хранятся как safetensors в 16-битной точности без дополнительной квантизации. README указывает, что для запуска нужно учитывать объём объединённой памяти устройства; основная целевая среда — GPU Apple Silicon. Модель унаследована от google/gemma-3-1b-it и распространяется по лицензии Gemma.

Сценарии применения

  • локальный чат на Mac с Apple Silicon
  • генерация и продолжение текстов
  • ответы на вопросы в диалоге
  • запуск компактной языковой модели через MLX
  • эксперименты и оценка качества генерации на Apple Silicon

Ограничения

Модель рассчитана на запуск через MLX на Apple Silicon, а длинный контекст требует достаточного запаса объединённой памяти. Качество и пригодность для конкретных задач следует оценивать отдельно.

Для каких профессий подходит6

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

gemma-3-1b-it-mlx-16bit

16-bit MLX conversion of google/gemma-3-1b-it optimized for Apple Silicon native GPU inference.

Converted by: SirSahOl
Source Model: google/gemma-3-1b-it
Framework: MLX by Apple
Quantization: 16-bit (Average 16.00 (unquantized bfloat16) bits per weight)
Format: safetensors
License: gemma


Model Details

  • Architecture: Gemma3ForCausalLM
  • Parameters: 1B
  • 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: ~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/gemma-3-1b-it-chat-mlx-16bit

# Generate text
mlx_lm.generate --model SirSahOl/gemma-3-1b-it-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/gemma-3-1b-it-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-bit16-bit
Tokens/sec50.4538.5620.92
TTFT20.0 ms26.01 ms48.02 ms
Peak Memory55.8 MB67.7 MB64.7 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~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/gemma-3-1b-it-chat-mlx-4bit
8-bitSirSahOl/gemma-3-1b-it-chat-mlx-8bit
16-bitSirSahOl/gemma-3-1b-it-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/gemma-3-1b-it-chat-mlx-16bit
PARAMETER stop "<|im_start|>"
PARAMETER stop "<|im_end|>"
PARAMETER stop "<|endoftext|>"
PARAMETER temperature 0.7
ollama create gemma-3-1b-it-chat-mlx-16bit -f Modelfile
ollama run gemma-3-1b-it-chat-mlx-16bit

Conversion Details

PropertyValue
Source Modelgoogle/gemma-3-1b-it
Quantization16-bit
mlx-lm Version0.31.3
Conversion Time19.58s
Output Size1.9 GB
Date2026-09-22T06:26:48.280280+00:00

Reproduction

To reproduce this conversion:

pip install mlx-lm==0.31.3
python3 -m mlx_lm convert --hf-path /Users/z4/.cache/huggingface/hub/models--google--gemma-3-1b-it/snapshots/dcc83ea841ab6100d6b47a070329e1ba4cf78752 --mlx-path output/gemma-3-1b-it-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: gemma.

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
Gemma3ForCausalLM
Ревизия весов
3a32495

0 моделей